异质网络中基于节点影响力的相似度度量方法

作     者：刘露 胡封晔 牛亮 彭涛 LIU Lu;HU Feng-ye;NIU Liang;PENG Tao

作者机构：吉林大学软件学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学)吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012 吉林大学通信工程学院吉林长春130012 吉林大学第一医院吉林长春130012 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2019年第47卷第9期

页      面：1929-1936页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.61872163,No.61806084) 中国博士后科研基金项目(No.2018M631872) 吉林省教育厅项目(No.JJKH20190160KJ) 吉林省科技厅重点科技研发项目(No.20180201044GX) 

主　　题：数据挖掘 异质网络 推荐系统 知识图谱 网络搜索 节点影响力 链接结构 语义关系 

摘      要：异质网络相似度学习,即分析两个不同类型对象间的相关程度.不同类型对象在异质网络中的重要程度不同,它们在相似度学习过程中的发挥的作用也不同.针对异质网络,提出了一种基于节点影响力的相似度度量方法NISim,该模型既考虑了网络中的链接结构,也保留了网络中的语义信息,同时区分不同类型节点对异质网络的作用.在异质信息网络环境下,通过启发式规则区分并量化不同类型节点的影响力权值,并结合网络链接结构和节点间语义关系,解决了提高相似度学习准确性的问题.实验结果表明,该方法能够有效地对异质信息网络不同类型节点进行相似度度量,可以应用在网络搜索、推荐系统以及知识图谱构建等不同领域.