欢迎来到天天文库
浏览记录
ID:33166250
大小:536.27 KB
页数:76页
时间:2019-02-21
《基于矩阵的多特征链接预测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、工学硕士学位论文基于矩阵的多特征链接预测方法研究郭宏伟燕山大学2010年12月万方数据国内图书分类号:TP391国际图书分类号:621.3工学硕士学位论文基于矩阵的多特征链接预测方法研究硕士研究生:郭宏伟导师:郭景峰教授申请学位级别:工学硕士学科、专业:计算机应用技术所在单位:信息科学与工程学院授予学位单位:燕山大学万方数据ClassifiedIndex:TP391U.D.C.:621.3DissertationfortheMasterDegreeinEngineeringRESEARCHONMULTI-FEATURESLINKPREDICTIONBASEDONMATR
2、IXCandidate:GuoHongweiSupervisor:Prof.GuoJingfengAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ComputerApplicationTechnologyUniversity:YanshanUniversity万方数据燕山大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《基于矩阵的多特征链接预测方法研究》,是本人在导师指导下,在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成
3、果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字日期:年月日燕山大学硕士学位论文使用授权书《基于矩阵的多特征链接预测方法研究》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有,本人如需发表将署名燕山大学为第一完成单位及相关人员。本人完全了解燕山大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论文的复印件和电子版本,允许论文被查阅和借阅。本人授权燕山大学,可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。保密□,在年解密后适用
4、本授权书。本学位论文属于不保密□。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日万方数据摘要数据挖掘是一种将原有的数据分析法与处理大规模数据的复杂算法相结合的技术。链接挖掘作为数据挖掘的一个分支,它的研究任务包括描述和预测模型,随着链接概念的提出,链接预测已经成为近年来的研究热点。目前,现有的链接预测方法一方面仅利用一种特征(结构或属性特征)进行链接预测,忽视了时间因素和特征的重要性;另一方面,不能针对给定的合著网络系统地抽取拓扑特征和语义特征,预测能力比较低。本文针对这些问题展开了研究。首先,为兼顾社会网络所提供的属性信息、结构信息及网络的
5、动态特性,本文采用矩阵法对网络的各种信息进行分析,并给出社会网络及其信息的表示形式。其次,提出一个以矩阵的方式来组合时间特征、加权属性特征和加权拓扑特征的链接预测方法。该方法利用社会网络中的一种对齐关系来识别出重要的特征,并以矩阵的方式将这些特征有效地组合起来,从而提高链接预测的性能。另外,采用奇异值分解技术来减小存储空间。再次,针对合著关系网络,首先给出合著网络中链接预测问题的定义,接着为捕获网络中多方面的有效信息,从给定网络中系统地、有步骤地提取拓扑特征、语义特征以及时间特征,再利用有监督学习框架组合这三种特征,并提出一个同时使用三种特征的链接预测模型,从而进一步提
6、高链接预测的预测性能。最后,通过实验对所提出算法的可行性和有效性进行验证,实现了预期的研究目标。关键词链接预测;拓扑特征;属性特征;时间特征;语义特征万方数据AbstractDataminingisakindoftechniquethatcombinesdataanalysisandcomplexalgorithmsforprocessinghugedatasets.Currently,asabranchofdatamining,linkmining’sresearchtasksincludedescriptionandpredictionmodels,andwitht
7、heintroductionoflinkconcept,linkpredictionisnowbecominghotspotsofthisarea.Nowadays,ontheonehandexistinglinkpredictionmethodshaveonlyusedasinglefeature(structuralfeatureorattributivefeature)forlinkprediction,andignoredthetimefactorandtheimportanceoffeatures;ontheotherhand,
此文档下载收益归作者所有