基于異構網(wǎng)絡鏈接預測算法研究.pdf

1、現(xiàn)實中的許多應用，如社交網(wǎng)絡、P2P信貸、生物信息、社交投資等許多數(shù)據(jù)庫系統(tǒng)都是構成異構信息網(wǎng)絡。因此，針對異構信息網(wǎng)絡的數(shù)據(jù)挖掘任務是當前熱門的且充滿挑戰(zhàn)的研究新方向。本文主要針對異構信息網(wǎng)絡中的鏈接預測問題進行數(shù)據(jù)挖掘研究。不同于當前已有的許多數(shù)據(jù)挖掘方法，在同構網(wǎng)絡的基礎上處理鏈接預測問題。我們提出的鏈接預測模型是將實際應用問題模型為異構信息網(wǎng)絡，因為異構網(wǎng)絡覆蓋更全面的實體和關系數(shù)據(jù)并且蘊含更豐富的語義信息。具體地，我們做了如下

2、三項工作和創(chuàng)新:
　　(1)針對致病基因網(wǎng)絡的鏈接預測問題，提出了使用異構相似約束的隱因子關系預測模型。隱因子模型假設對象之間在相同特征空間里，距離越近則越相似，將疾病和基因之間的關系預測轉化為二分類概率模型:疾病和基因如果在隱含特征空間的距離越近，則它們存在關系的概率越高;反之，若距離越遠，則存在關系的概率越低。為了充分利用異構信息網(wǎng)絡所覆蓋的豐富語義而更準確的挖掘基因和疾病之間可能存在的相關性，我們在基礎模型的基礎上加入了異構

3、相似約束。最后，為了驗證提出的算法的有效性，我們在真實的生物數(shù)據(jù)上進行實驗，對比已有的相關算法，分析算法性能。
　　(2)我們設計了一個數(shù)據(jù)驅動的社交投資網(wǎng)絡鏈接預測框架，該框架將投資行為模型為基于meta-path的異構網(wǎng)絡鏈接預測問題，并提供了有效的度量函數(shù)來量化meta-path相似度。為了驗證提出模型的有效性，我們在CrunchBase上提供的真實數(shù)據(jù)進行實驗。實驗結果揭示，我們的模型在一定程度上也可以是一個有用的工具，幫

4、助企業(yè)(1)更好的掌握投資者是怎樣和何時會投資，(2)更好的提供參考信息，當他們需要尋求外部投資時。
　　(3)針對P2P信貸網(wǎng)絡的鏈接預測問題，我們提出了一個基于二部圖的隨機游走投資預測模型。使用來自P2P信貸平臺上的真實數(shù)據(jù)實驗，結果說明了我們的預測模型在一定程度上的有效性。多次實驗結果也表明，使用我們的預測模型和Logistic模型集成的混合結果，可以取得更有效且穩(wěn)定的表現(xiàn)。實驗結果也在一定程度上說明，我們提出的預測模型和L