资料下载
如何使用异构信息网络下进行特征向量中心性的排名研究
分享资料个
本文从异构网络角度来进行排名的研究，传统的排名研究是基于同构网络来进行的，然而在现实生活中，实际的网络是异构的。首先，本文根据真实的电影数据集来建立一个异构网络后，根据网络得出相应的网络模式，之后根据电影网络中演员、导演、电影之间的相互关系来建立元路径。其次，结合元路径设定相应的排名规则，结合特征向量中心性度量方法来进行排名研究。最后，给出了实验的结果。本文的创新之处在于，将特征向量中心性方法应用到了一个异构网络中，能更好地反映出真实网络的特征，并与度中心性方法进行对比，展示了本文方法具有良好的可行性。
在我们生活的自然界中存在着大量的网络， 在学术领域里面，许多的研究内容都能以网络的视角来进行研究，例如可以将一个系统可以用网络表示出来，系统中的所有部件或者构件可以转换成网络中的节点（node），部件之间的关系可以转换成为边（edge），每个节点与节点之间边的重要性可以用度（degree）来进行表示。在我们生活中常见的网络有，技术网络（Internet、交通网、快递网），社会网络，信息网络（万维网、引文网），生物网络（神经网、生态网）等［1］。当前针对网络的研究大多数是基于同构信息网络（Homogeneous Information Network）来开展的。常超利用Z-score、Page Rank 以及HITS 等三个排名算法进行用户影响力排序来寻找社群的权威专家，刚家泰在合著网络上提出New-LeaderRank 算法来进行排名。杜文杰在文献引用网络中，通过在引用网络中加入虚拟节点和对虚拟节点进行分等级，从而提出了基于外部链接的ELRank 排名算法和扩展的N-ELRank 排名算法来进行排名研究。本文则是在异构网络的基础之上来进行排名分析。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
