極性異構(gòu)信息網(wǎng)絡(luò)的聯(lián)系預測技術(shù)研究.pdf

1、我們生活在一個相互關(guān)聯(lián)的世界。大多數(shù)數(shù)據(jù)或信息對象、組件等是內(nèi)部關(guān)聯(lián)或者相互作用的，形成了無數(shù)的、巨大的、相互關(guān)聯(lián)的復雜網(wǎng)絡(luò)。不失一般性，相互關(guān)聯(lián)的網(wǎng)絡(luò)稱為信息網(wǎng)絡(luò)。分析和挖掘信息網(wǎng)絡(luò)已經(jīng)成為計算機科學、社會學、生物學等領(lǐng)域的研究人員廣泛關(guān)注的課題。
　　信息網(wǎng)絡(luò)分為同構(gòu)信息網(wǎng)絡(luò)和異構(gòu)信息網(wǎng)絡(luò)。同構(gòu)信息網(wǎng)絡(luò)只有一種類型的節(jié)點和一種類型的關(guān)系，如在朋友關(guān)系網(wǎng)絡(luò)中，節(jié)點都是人這一類型，邊只表示朋友關(guān)系。然而，現(xiàn)實中的大部分網(wǎng)絡(luò)都是異構(gòu)

2、的。在異構(gòu)信息網(wǎng)絡(luò)中，節(jié)點有多種類型，而不同類型的節(jié)點之間的關(guān)系屬于不同的類型，如IMDB網(wǎng)絡(luò)中，有電影、導演、演員等不同類型的節(jié)點和電影-導演之間的執(zhí)導關(guān)系、電影與演員之間的參演關(guān)系等具有不同語義的關(guān)系類型。隨著網(wǎng)絡(luò)的發(fā)展，人們在網(wǎng)絡(luò)社交時越來越多地表達自己的情感，因此網(wǎng)絡(luò)中的邊便有了極性，即邊是正的（表示信任、喜歡、朋友等關(guān)系）或負的（表示不信任、不喜歡、反對等）。我們稱有極性的異構(gòu)信息網(wǎng)絡(luò)為極性異構(gòu)信息網(wǎng)絡(luò)。
　　信息網(wǎng)絡(luò)已

3、有了很多的分析和挖掘方法的研究，聯(lián)系預測是其中的一個重要任務(wù)。在極性異構(gòu)信息網(wǎng)絡(luò)中，聯(lián)系預測包含鏈接預測和極性預測，分別預測邊的存在性和極性。鏈接預測在分析演化網(wǎng)絡(luò)、推薦、聚類等領(lǐng)域有重要的價值，極性預測可以應用在推薦、決策制定、網(wǎng)絡(luò)演化模型等眾多領(lǐng)域。
　　雖然鏈接預測和極性預測都有了很多的研究成果，但大多數(shù)鏈接預測都以非極性信息網(wǎng)絡(luò)為基礎(chǔ)，極性預測多以同構(gòu)信息網(wǎng)絡(luò)為基礎(chǔ)，而現(xiàn)實中大多數(shù)網(wǎng)絡(luò)是極性異構(gòu)信息網(wǎng)絡(luò)，所以如何解決極性異

4、構(gòu)信息網(wǎng)絡(luò)中的聯(lián)系預測問題成為新的挑戰(zhàn)。本文針對極性異構(gòu)信息網(wǎng)絡(luò)，探索了該網(wǎng)絡(luò)下的聯(lián)系預測問題，主要工作可歸結(jié)于以下幾點:
　　1.提出了極性異構(gòu)信息網(wǎng)絡(luò)的鏈接預測解決方法。在本文中，我們提出基于規(guī)則的方法，稱為Rule Predict來解決鏈接預測問題。在RulePredict模型中，我們首先系統(tǒng)抽取特征，特征包括促進鏈接存在的正特征和減弱鏈接存在可能性的負特征。鏈接是否出現(xiàn)服從概率為p的二項分布，p為所有特征值的函數(shù)。然后，使

5、用基于廣義最小二乘法的監(jiān)督學習方法學習不同特征對應的權(quán)重。將學習到的權(quán)重應用到測試數(shù)據(jù)中來預測鏈接是否存在。
　　2.提出了極性異構(gòu)信息網(wǎng)絡(luò)的極性預測解決方法。我們提出一個新的方法HeteSign來解決極性預測問題。首先定義不同關(guān)系下的節(jié)點相似值，每個節(jié)點相似值看作一個特征，有相對應的權(quán)重。節(jié)點間的相似度定義為特征和權(quán)重的數(shù)學表達式。計算鏈接的極性得分，根據(jù)得分判斷鏈接是正是負。得分表示為節(jié)點相似度和現(xiàn)有網(wǎng)絡(luò)的鏈接的函數(shù)，現(xiàn)有的鏈