检索结果-南通市图书馆

维普期刊数据库博看期刊

异质信息网络中最大路径连通Steiner分量查询算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2023年第2期34卷 655-675页

作者：李源范晓林孙晶赵会群杨森王国仁北方工业大学信息学院北京100144 北京理工大学计算机学院北京100081

异质信息网络(HINs)是包含多种类型对象(顶点)和链接(边)的有向图,能够表达丰富复杂的语义和结构信息.HINs中的稠密子图查询问题,即给定一个查询点q,在HINs中查询包含q的稠密子图,已成为该领域的热点和重点研究问题,并在活动策划、生物... 详细信息

异质信息网络(HINs)是包含多种类型对象(顶点)和链接(边)的有向图,能够表达丰富复杂的语义和结构信息.HINs中的稠密子图查询问题,即给定一个查询点q,在HINs中查询包含q的稠密子图,已成为该领域的热点和重点研究问题,并在活动策划、生物分析和商品推荐等领域具有广泛应用.但现有方法主要存在以下两个问题:(1)基于模体团和关系约束查询的稠密子图具有多种类型顶点,导致其不能解决仅关注某种特定类型顶点的场景;(2)基于元路径的方法虽然可查询到某种特定类型顶点的稠密子图,但其忽略了子图中顶点之间基于元路径的连通度.为此,首先在HINs中提出了基于元路径的边不相交路径的连通度,即路径连通度;然后,基于路径连通度提出了k-路径连通分量(k-PCC)模型,该模型要求子图的路径连通度至少为k;其次,基于k-PCC模型提出了最大路径连通Steiner分量(SMPCC)概念,其为包含q的具有最大路径连通度的k-PCC;最后,提出一种高效的基于图分解的k-PCC发现算法,并在此基础上提出了优化查询SMPCC算法.大量基于真实和合成HINs数据的实验结果验证了所提出模型和算法的有效性和高效性.

关键词：异质信息网络稠密子图查询 k-路径连通分量最大路径连通Steiner分量元路径

在线全文

学校读者我要写书评

暂无评论

异质信息网络高阶层次化嵌入学习与推荐预测

软件学报 2023年第11期34卷 5230-5248页

作者：荀亚玲毕慧敏张继福太原科技大学计算机科学与技术学院山西太原030024

异质信息网络是一种异质数据表示形式,如何融合异质数据复杂语义信息,是推荐系统面临的挑战之一.利用弱关系具有的丰富语义和信息传递能力,构建一种面向推荐系统的异质信息网络高阶嵌入学习框架,主要包括:初始化信息嵌入、高阶信息嵌入... 详细信息

异质信息网络是一种异质数据表示形式,如何融合异质数据复杂语义信息,是推荐系统面临的挑战之一.利用弱关系具有的丰富语义和信息传递能力,构建一种面向推荐系统的异质信息网络高阶嵌入学习框架,主要包括:初始化信息嵌入、高阶信息嵌入聚合与推荐预测3个模块.初始化信息嵌入模块首先采用基于弱关系的异质信息网络最佳信任路径筛选算法,有效地避免在全关系异质信息网络中,采样固定数量邻居造成的信息损失,其次利用新定义的基于多头图注意力的多任务共享特征重要性度量因子,筛选出节点的语义信息,并结合交互结构,有效地表征网络节点;高阶信息嵌入聚合模块通过融入弱关系及网络嵌入对知识良好的表征能力,实现高阶信息表达,并利用异质信息网络的层级传播机制,将被采样节点的特征聚合到待预测节点;推荐预测模块利用高阶信息的影响力推荐方法,实现了推荐任务.该框架具有嵌入节点类型丰富、融合共享属性和隐式交互信息等特点.最后,实验验证UI-HEHo学习框架可有效地改善评级预测的准确性,以及推荐生成的针对性、新颖性和多样性,尤其是在数据稀疏的应用场景中,具有良好的推荐效果.

关键词：推荐预测异质信息网络网络嵌入共享特征重要性度量因子

在线全文

学校读者我要写书评

暂无评论

异质信息网络的互信息最大化社区搜索

浙江大学学报（工学版） 2023年第2期57卷 287-298页

作者：王亚峰周丽华陈伟王丽珍陈红梅云南大学信息学院云南昆明650500

针对现有社区搜索方法难以处理复杂多样的搜索要求及在高维稀疏的异质信息网络(HINs)中难以融合网络结构和节点属性来度量节点间相关性的不足,提出异质信息网络互信息最大化社区搜索问题,给出互信息最大化的社区定义,设计相应的搜索方... 详细信息

针对现有社区搜索方法难以处理复杂多样的搜索要求及在高维稀疏的异质信息网络(HINs)中难以融合网络结构和节点属性来度量节点间相关性的不足,提出异质信息网络互信息最大化社区搜索问题,给出互信息最大化的社区定义,设计相应的搜索方法 (互信息最大化社区搜索,CSMIM).将用户的搜索要求定义为查询约束,利用带查询约束的深度图互信息最大化(QC-DGI)模型融合网络结构、语义和节点属性信息获得节点嵌入,有效地计算节点间的互信息.根据给定的查询信息,利用互信息最大化准则搜索目标社区.为了提高搜索结果的准确率,提出基于用户反馈的优化策略,实现互信息从全局到局部的个性化计算.在真实数据集上进行大量实验,实验结果表明所提方法能够有效地根据搜索要求挖掘出给定节点所在的社区,相比具有代表性的基线方法有更高的准确率.

关键词：社区搜索异质信息网络网络表示学习互信息查询约束

在线全文

学校读者我要写书评

暂无评论

异质信息网络表征学习综述

计算机学报 2022年第1期45卷 160-189页

作者：周丽华王家龙王丽珍陈红梅孔兵云南大学信息学院计算机科学与工程系昆明650500

随着信息技术的快速发展,信息网络无处不在,例如社交网络、学术网络、万维网等.由于网络规模不断扩大以及数据的稀疏性,信息网络的分析方法面临巨大挑战.作为应对网络规模及数据稀疏挑战的有效方法,信息网络表征学习旨在利用网络的拓扑... 详细信息

随着信息技术的快速发展,信息网络无处不在,例如社交网络、学术网络、万维网等.由于网络规模不断扩大以及数据的稀疏性,信息网络的分析方法面临巨大挑战.作为应对网络规模及数据稀疏挑战的有效方法,信息网络表征学习旨在利用网络的拓扑结构、节点内容等信息将节点嵌入到低维的向量空间中,同时保留原始网络固有的结构特征和内容特征,从而使节点的分类、聚类、链路预测等网络分析任务能够基于低维、稠密的向量完成.由多种类型的节点和连边构成的异质信息网络包含更加全面、丰富的结构和语义信息,因此异质信息网络的表征学习不仅能够有效缓解网络数据高维、稀疏性问题,还能融合网络中不同类型的异质信息,使学习到的表征更有意义和价值.近年来,异质信息网络的表征学习受到学术界和工业界的广泛关注,成为网络分析的一个重要研究主题,研究成果不断涌现.然而,目前还缺乏对现有成果进行全面梳理的工作,相关研究人员难以系统地了解最新研究进展,在实际应用中也难以选择合适的嵌入模型.为此,本文对异质信息网络表征学习的方法进行了全面综述,包括相关概念、网络分类、学习方法、数据集与测评指标、典型应用,同时对未来的研究方向进行了展望.本文工作有助于研究人员全面系统地了解异质信息网络表征学习的研究进展,也有助于从业人员更有效地解决实际应用问题.

关键词：异质信息网络表征学习随机游走负采样深度神经网络

在线全文

学校读者我要写书评

暂无评论

异质信息网络分析与应用综述

软件学报 2022年第2期33卷 598-621页

作者：石川王睿嘉王啸北京邮电大学计算机学院北京100876 智能通信软件与多媒体北京市重点实验室北京100876

实际系统往往由大量类型各异、彼此交互的组件构成.目前,大多数工作将这些交互系统建模为同质信息网络,并未考虑不同类型对象的复杂异质交互关系,因而造成大量信息损失.近年来,越来越多的研究者将这些交互数据建模为由不同类型节点和边... 详细信息

实际系统往往由大量类型各异、彼此交互的组件构成.目前,大多数工作将这些交互系统建模为同质信息网络,并未考虑不同类型对象的复杂异质交互关系,因而造成大量信息损失.近年来,越来越多的研究者将这些交互数据建模为由不同类型节点和边构成的异质信息网络,从而利用网络中全面的结构信息和丰富的语义信息进行更精准的知识发现.特别是随着大数据时代的到来,异质信息网络能够自然融合异构多源数据的优势使其成为解决大数据多样性的重要途径.因此,异质信息网络分析迅速成为数据挖掘研究和产业应用的热点.对异质信息网络分析与应用进行了全面的综述.除了介绍异质信息网络领域的基本概念外,重点聚焦基于异质网络元路径的数据挖掘方法、异质信息网络的表示学习技术和实际应用这3个方面的最新研究进展,并对未来的发展方向进行了展望.

关键词：异质信息网络元路径网络表示学习图神经网络

在线全文

学校读者我要写书评

暂无评论

异质信息网络中元路径感知的评分协同过滤

计算机学报 2020年第12期43卷 2385-2397页

作者：何云飞张以文吕智慧颜登程何强安徽大学计算机科学与技术学院合肥230601 复旦大学计算机科学技术学院上海200433 安徽大学物质科学与信息技术学院合肥230601 澳大利亚斯威本科技大学电子信息及软件工程学院墨尔本3122澳大利亚网络信息安全审计与监控教育部工程研究中心上海200433

基于邻域的协同过滤(Neighborhood-Based Collaboration Filtering,NBCF)具有简单、可解释等优点一直备受关注且被广泛使用.然而,仅利用用户-项目的历史交互信息使得NBCF并不能获得很好的推荐性能.随着网络的快速发展,信息网络中包含了... 详细信息

基于邻域的协同过滤(Neighborhood-Based Collaboration Filtering,NBCF)具有简单、可解释等优点一直备受关注且被广泛使用.然而,仅利用用户-项目的历史交互信息使得NBCF并不能获得很好的推荐性能.随着网络的快速发展,信息网络中包含了大量不同类型的对象和关系,越来越多丰富的语义信息可以被进一步挖掘和利用,自然构成了异质信息网络(Heterogeneous Information Network,HIN).基于HIN的推荐模型受到了研究者们的高度关注.相比于传统的推荐模型,基于HIN的推荐模型不仅能有效提高推荐性能,还能缓解冷启动和数据稀疏等问题.然而,现有基于HIN的推荐模型在保证模型有效性的同时往往需要学习较多的参数,参数的设定对模型性能有重要的影响.因此,本文提出一种无参数的HIN中元路径感知的评分协同过滤推荐模型HRCF,其主要思想是通过HIN中的元路径寻找评分的邻居,然后对邻居进行加权来估计该评分.首先,在不同的元路径上产生用户(项目)之间的交换矩阵;其次,将不同元路径上的交换矩阵进行整合计算用户(项目)之间的相似矩阵;最后将用户之间的相似矩阵、用户-项目的历史评分矩阵、项目之间的相似矩阵依次相乘并归一化从而一次性估计所有的评分.为验证HRCF模型的有效性,本文在公开的Douban Book和Yelp数据集上进行了实验.实验结果表明,HRCF模型的推荐精度优于目前存在的方法,且能很好地克服冷启动问题.

关键词：异质信息网络协同过滤推荐系统元路径评分预测

在线全文

学校读者我要写书评

暂无评论

异质信息网络的复杂条件社区搜索

软件学报 2023年第10期34卷 4830-4850页

作者：王家龙杨杰周丽华王丽珍王睿康云南大学信息学院云南昆明650500

社区是信息网络的重要属性,社区搜索旨在寻找满足用户给定条件的节点集合,是信息网络分析的重要研究内容.异质信息网络由于包含更加全面、丰富的结构和语义信息,所以异质信息网络的社区搜索近年来受到人们的广泛关注.针对现有异质信息... 详细信息

社区是信息网络的重要属性,社区搜索旨在寻找满足用户给定条件的节点集合,是信息网络分析的重要研究内容.异质信息网络由于包含更加全面、丰富的结构和语义信息,所以异质信息网络的社区搜索近年来受到人们的广泛关注.针对现有异质信息网络的社区搜索方法难以满足复杂条件社区搜索要求的不足,定义了复杂条件社区搜索问题,提出了考虑非对称元路径、受限元路径和禁止节点约束的搜索算法.3种算法分别通过元路径补全策略、调整带标签的批量搜索策略和拆分复杂搜索条件的方式搜索社区,同时针对禁止节点约束的搜索算法设计了基于剪枝策略和近似策略的优化算法以提高搜索效率.在真实数据集上进行了大量实验,实验结果证明了所提算法的有效性和高效性.

关键词：异质信息网络复杂条件社区搜索非对称元路径受限元路径禁止节点约束

在线全文

学校读者我要写书评

暂无评论

异质信息网络中基于网络嵌入的影响力最大化

智能系统学报 2021年第4期16卷 757-765页

作者：杨宇迪周丽华杜国王邹星竹丁海燕云南大学信息学院云南昆明650504 云南大学滇池学院云南昆明650228

针对当前大部分影响力最大化算法忽略了异质信息网络包含多种节点类型和多种关系类型,且不同类型节点在原始空间无法直接度量的问题,提出了一种异质信息网络中基于网络嵌入的影响力最大化模型(influence maximization based on network ... 详细信息

针对当前大部分影响力最大化算法忽略了异质信息网络包含多种节点类型和多种关系类型,且不同类型节点在原始空间无法直接度量的问题,提出了一种异质信息网络中基于网络嵌入的影响力最大化模型(influence maximization based on network embedding,IMNE),用于选择初始扩散节点实现影响力最大化。该模型不仅可以在对异质信息网络进行编码的同时表征异质信息网络中潜在的信息,还可以捕获不同类型节点间影响力的不确定和复杂性。在3个真实数据集上的实验验证了IMNE算法的有效性。

关键词：异质信息网络同质信息网络影响力最大化信息扩散网络嵌入直接影响力间接影响力全局影响力

异质信息网络中基于元路径的社团发现算法研究

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2018年第9期32卷 132-142页

作者：郑玉艳王明省石川王锐北京邮电大学计算机学院北京100876 广州市城市规划勘测设计院地理信息中心广东广州510060

实际的网络化数据往往包含多种类型的对象和关系,采用异质信息网络可以更好地对其建模,因此异质信息网络分析逐渐成为数据挖掘的研究热点。虽然同质信息网络中的社团发现已经被深入研究,但是异质信息网络中的社团发现还很少被研究。该... 详细信息

实际的网络化数据往往包含多种类型的对象和关系,采用异质信息网络可以更好地对其建模,因此异质信息网络分析逐渐成为数据挖掘的研究热点。虽然同质信息网络中的社团发现已经被深入研究,但是异质信息网络中的社团发现还很少被研究。该文研究异质信息网络中的社团发现问题,提出了一个新的社团发现算法框架HCD(heterogeneous community detection)。该框架由两部分组成:基于单条元路径的社团发现算法HCD_sgl和融合多条元路径的社团发现算法HCD_all。HCD_sgl首先确定在给定元路径下所有节点的初始标签,再利用改进的标签传递算法进行最终的社团发现;HCD_all是在HCD_sgl的基础上将基于多条元路径的社团发现结果进行融合。通过在真实数据集和人工数据集上的实验验证了HCD算法的有效性。

关键词：异质信息网络社团发现元路径语义相似性度量