双类型异质网中基于排序和聚类的离群点检测方法

挖掘隐藏在网络中不同于正常数据对象的离群点是数据挖掘的重要任务之一.目前,针对双类型异质信息网络离群点检测的研究工作相对较少,原本适用于同质网络的离群点检测方法将很难适用于双类型异质网络.为此,提出了异质信息网络中基于排序和聚类的离群点检测方法(RKBOutlier).从异质信息网络中抽取两种类型的对象以及链接两种对象的语义信息,将待检测的数据作为属性对象,将另一类型数据作为目标对象,对目标对象进行聚类来检测属性对象在各个聚类中的分布情况,数据分布异常的对象即为离群点.将排序和聚类相结合来显著提高聚类的准确度.实验结果表明,RKBOutlier可以在双类型异质信息网络中有效地检测出离群点.

基于聚类和决策树的链路预测方法

链路预测是数据挖掘研究的主要问题之一.由于网络的复杂性、数据的多样性,根据网络结构及已有信息对异质网络中的不同类型的数据进行链路预测的问题也变得更加复杂.针对双类型异质信息网络,提出了一种基于聚类和决策树的链路预测方法 CDTLinks.通过将网络中2种类型对象互为特征的方法得到对象的特征表示,并分别进行聚类.对于双类型异质网络提出了3种启发式规则来构建决策树,根据信息增益来选择树中不同分支.最后,根据聚簇分布结果以及决策树模型来判断任意2个不同类型节点之间是否存在链接.另外,定义了潜在链接节点并引入层数的概念,在降低算法运行时间的同时提高了准确率.在DBLP和AMiner数据集上验证了提出的CDTlinks方法,结果表明:在双类型异质网络中,CDTlinks模型能够有效地进行链路预测.

关于基层法院诉源治理工作的调查与建议--以湖南省慈利县人民法院为样本

党的二十大报告对完善社会治理体系作出重要部署,强调要健全共建共治共享的社会治理体系,提升社会治理效能,在社会基层坚持和发展新时代“枫桥经验”,健全城乡社区治理体系。中央全面深化改革委员会第十八次会议审议通过了《关于加强诉源治理推动矛盾纠纷源头化解的意见》,强调“加强矛盾纠纷源头预防、前端化解、关口把控,完善预防性法律制度,从源头上减少诉讼增量”这为人民法院强化矛盾纠纷源头治理、增强多元解纷效能提出了新的更高要求。作为基层社会治理的新探索,诉源治理具有重要意义一一将社会治理的重心下移到基层,打好打牢社会治理的基础,进一步推动实现全社会有序、有效治理,从而实现国家治理体系和治理能力现代化。作为治理体系大框架中的基层人民法院,诉源治理工作在这里发挥着尤为重要的作用。