异构信息空间中实体关联关系挖掘算法CFRQ4A

丰富的实体关联关系是在异构信息空间中进行数据分析、数据挖掘、知识发现和语义查询等许多应用的前提条件和关键所在.然而不同于同构信息网络,由于异构信息空间中实体关联关系的复杂性、多样性和异构性使得实体关联关系挖掘并不是一件简单的任务,更具有挑战性.以作者文献网络为例,提出了一个通用的,由聚类、过滤、推理和量化4步骤组成的异构信息空间中基于聚类的实体关联关系挖掘算法CFRQ4A(clustering,filtering,reasoning and qualifying for associations).CFRQ4A算法不仅利用了异构实体自身的属性值,还利用了异构信息网络的结构(路径)信息;在挖掘过程中引入关联关系约束来保证关联关系的语义和逻辑正确性,并且针对实体关联关系的特点提出了关联强度量化模型.在真实数据集DBLP上的实验结果表明所提出算法是可行和有效的.

基于服务网络的服务关系挖掘

随着互联网向以"服务为中心"转变,如何发现这些服务以及进一步挖掘潜在的组合可能变得越来越重要。在语义层面上,提出一种自底向上的服务挖掘策略来发现服务之间潜在的逻辑关系,并将其组织成服务网络的模式,为服务和用户之间建立桥梁。首先,描述了服务网络的概念结构,给出了服务网络中的各种元素,确立了服务挖掘的最终形式;接下来在语义层面上详细定义了各种服务关系,讨论了各种服务关系的应用;在此基础上,讨论了服务关系挖掘对于服务网络构建和演化的意义,给出了基于本体推理的服务关系挖掘流程和方法;最后应用该方法构建了服务网络实例。通过服务网络的现实应用证明了该策略的有效性。

基于因果链求解算法的人物关系挖掘研究——以Wikidata知识库为例

人在信息活动中所具有的复杂性决定了大数据时代下人物信息资源的重要程度,因此挖掘人物关系是提高信息资源质量、构建个人实体知识网络、为用户提供知识服务的有效途径。本文将跨领域的因果链求解算法运用到人物亲属关系的挖掘问题中,并引入罗马亲等计算法衡量不同类型的亲属关系远近,定量地描述了个人实体之间的关联程度,同时采用模糊认知图作为人物关系知识表达模型,最后以Wikidata知识库为实验数据来源,进一步验证该算法的有效性,同时将亲属关联权重值开创性地添加到家族亲属关系图谱的绘制中,并构建了个人实体知识关联模型。本文旨在进一步优化网络环境下的人物信息,实现基于人物关系的知识关联,以期为揭示全方位的人物关系的表示方法提供新视角。

基于扩展概念格的Web关系挖掘

针对Web服务因缺少有效的组织和管理机制而产生的应用瓶颈问题,引入基于概念覆盖度函数的扩展概念格,通过构建基于输入和输出参数的Web服务集的扩展概念格模型,给出了Web服务间等价、替代和流关系的离线挖掘算法以及增量和减量的在线更新算法.在真实Web服务集上的测试结果表明,扩展概念格模型是Web服务集的一种有效的组织形式,可用于Web服务关系的自动挖掘和维护,从而为Web服务的选择、优化和组合提供智能支持.

基于概念外延的Folksonomy语义关系挖掘方法

为改善Folksonomy中的资源利用效率,对Tag间的语义关系挖掘进行研究,提出一种利用大众标引关系、通过界定概念外延挖掘Tag间语义关系的方法。在del.icio.us真实数据上所进行的实验验证该方法是可行的。

基于多维时间序列模型的社会安全事件关联关系挖掘与预测

近年来社会安全事件频繁发生,给人民群众的生命和财产带来了严重损害。文章基于大规模时序数据,通过挖掘事件触发因素,利用多维时间序列模型量化分析其与社会安全事件发生的关联关系,并对未来事件的发生数量进行预测。另外,提出一种基于态势主导的多维时间序列相似性度量方法,量化分析不同类别事件之间发展趋势的相似程度,并对三类具体的社会安全事件进行相关分析及预测。实验表明,从时序数据角度分析可以很好地挖掘触发事件的隐形因素,并较为准确地估计事件发生数目和事件发展趋势,为管理者预防和控制此类事件的发生提供了一种新的思路和方法。

基于用户关系挖掘和信誉评价的垃圾邮件识别算法

采用基于行为的垃圾邮件识别思想，提出了一种基于用户关系挖掘与信誉评价的垃圾邮件识别算法。首先在分析邮件用户群体历史通信关系的基础上，建立邮件用户关系描述模型。进行邮件信誉评价时，利用用户关系描述模型对潜在用户通信关系进行挖掘，并根据邮件接收用户和邮件指纹建立邮件通信路径集，根据路径集中的用户对该邮件对应指纹的历史评价结果得到其综合信誉值，以识别垃圾邮件。在收件人进行反馈时，实时更新用户和邮件指纹信誉值。实验结果表明，该算法识别垃圾邮件的准确率达到95％以上。在算法设计中考虑了实用性，可用于实际的垃圾邮件识别系统。

融合关系挖掘与协同过滤的物品冷启动推荐算法

针对新物品缺乏(非完全冷启动)或没有(完全冷启动)评分信息,协同过滤无法为新物品进行个性化推荐的问题,文中提出融合关系挖掘与协同过滤的推荐算法.首先,利用关系挖掘提取物品关系特征,根据属性之间的多种二元关系构建关系属性,丰富可用属性信息.然后,提出基于关系挖掘的近邻选取方法,增加邻近物品的多样性.最后,融合协同过滤方法,同时解决完全和非完全新物品冷启动问题,实现新物品的个性化推荐.在两个真实数据集上的实验表明,文中方法可以系统解决推荐系统中新物品的冷启动问题.

基于Neo4j图数据库的人员关系挖掘

针对重点关系人分析与确定问题,基于人员信息数据、话单数据和火车/航班出行数据构建多维关系网络,提出利用Neo4j图数据库的查询分析功能挖掘共同联系人、共同出行人和重点关系人,查找和发现密切接触者、嫌疑人及团伙等的方法,搭建了多维关系网络分析演示系统。实验结果表明,在保证准确率的情况下,所提方法的分析效率相较对比方法提高5倍以上。

SNS网站用户关系挖掘的设计与实现

针对目前网络社交网站存在的交友形式单薄、好友关系淡化、用户流失等问题,设计基于"寝室"组织形式的社交网站系统,嵌入用户挖掘模块,通过权值更新和潜在关系更新算法帮助用户寻找潜在好友,以达到拓展社交圈的目的。实验结果表明,该系统的好友推荐准确度较高。

数字技术下《老子》文本与先秦两汉典籍的关系挖掘

[目的/意义]理解老子思想关乎理解中国早期文化,结合数字人文的方法,开展实证研究。利用大数据计算的方式,通过定量统计、定性分析,解决老子研究领域长期存在的疑而难决的源头、影响等方面的问题,发掘依靠阅读经验难以发现的文本组织特征及相互关系。[方法/过程]统计河上公版《老子》语料的字频;进行相似度分析和典籍引用情况分析;最后训练出古汉语的BERT模型,利用生成的字嵌入计算典籍句子之间的相似程度,在《老子》之前的典籍上进行相关性研究。[结果/结论]使用TF-IDF进行文本向量化,得出《老子》与其后世的作品中的《淮南子》最为相似;使用BERT模型的自监督学习训练,达到在完形填空任务上52.11%的精度和在预测是否是下一个句子上98.45%的精度,相似度计算结果显示出《墨子》与《老子》密切相关。这种方法引起了我们对《老子》和《墨子》间论说思想关系的一番新思考。

基于中文句法结构的关系挖掘

针对实体间关系的表现形式和中文句法结构间存在的映射关系,提出一种新的实体关系挖掘算法。以实体关系在中文句法结构中的表现形式为基础,通过训练得到关系挖掘模板(单通道挖掘机),将每一个待挖掘的句子交给挖掘机,利用其中包含的挖掘模板对句子进行关系挖掘。为找到更准确的关系元组,对得到的元组进行准确化处理。该算法仅根据句子的句法结构即可进行实体关系挖掘,关系挖掘类型和句法结构映射明确,拓展性较强。实验结果证明,利用中文句法结构和实体关系间的映射关系能进行关系挖掘,挖掘准确率可达到80%以上。

面向知识扩充的实体关系挖掘

为了从自由文本中挖掘大量高质量的事实抽象出三元组,并将其与现有的知识库进行知识融合,提出了知识图谱构建中的知识扩充框架。首先对知识图谱的构建过程进行了认知,指出传统的关系挖掘仅仅是利用句法依存树抽取路径上的节点作为关系,对于复杂句子表现较差。在此基础上建立了一种基于关系类型的结合多种特征的知识扩充框架,该方法自动获取高质量知识。效果在开放网页句子中达到F1值88%。

基于离散轨迹的重点人员伴随关系挖掘模型

文章提出一种基于离散空间轨迹矩阵分析的重点人员伴随关系挖掘方法,针对离散空间轨迹构建人与地址的映射矩阵,通过对人员地址关系矩阵进行关联分析识别伴随关系,针对离散时空轨迹构建基于有效距离判定的伴随关系挖掘模型,通过距离、时间、空间等特征对重点人员进行伴随关系挖掘。实验结果表明,基于离散空间轨迹矩阵分析方法可以快速识别人群中存在伴随关系的人,且在给定某个重点人员的情况下,可以快速找到与之存在伴随关系的人群,并对这些人的伴随次数进行排序,便于安防人员溯源和追踪;伴随人的数量与有效距离在一定程度上成正比,伴随次数与数据量正相关。

一种基于MeSH主题词的临床-组学关系挖掘方法

癌症的发生发展与机体内基因的改变有密切联系,在临床上表现为症状或检测指标的异常.通过挖掘分析临床表现与基因改变之间的关系,可为癌症早期诊断和精准治疗提供临床决策支持.从文献数据出发,利用结论性数据挖掘基因与临床表现的关系具有重要意义.本文提出一种基于医学主题词(Medical Subject Headings,Me SH)的生物医学实体关系挖掘方法.该方法利用PubMed中提供的文献信息,借用向量空间模型思想,使用MeSH主题词矢量表达待研究实体,引入文献相互引用因素对结果进行修正,将关系挖掘转化为矢量间的数学运算,实现定量分析.本文将该方法应用于结直肠癌临床表现和基因关系的研究中,得到与结直肠癌相关的203个基因和对应的临床-基因462个关系.通过结合使用基因功能和通路分析工具g:Profiler和KEGG等,对结果进行分析验证.结果表明,基于MeSH主题词的文献挖掘方法,避免传统"共现"方法对发现潜在关系的限制和复杂语义分析带来的大量计算,为生物实体之间潜在关系的挖掘提供一种新的思路和方法.

一种基于图数据库的虚拟身份关系挖掘算法

基于虚拟身份的关系挖掘是关系挖掘的重要途径,但虚拟身份存在一定的不真实性。鉴于此,将虚拟身份一一映射到真实身份,再针对真实身份进行关系挖掘,并采用图数据库存储强关联的关系数据。该关系挖掘算法包括3部分:首先基于公共场所卡口设备和审计设备采集到的日志数据,抽取手机终端MAC、卡口设备MAC及微信构建虚拟身份库,将虚拟身份微信反向映射到真实身份手机终端MAC;然后找出单节点手机终端MAC在某段时间内的同行人作为一个关系团体,或者直接找出虚拟身份库中微信对应映射到的手机终端MAC最大度数节点作为核心节点;再利用同行人分析算法找出该节点在某段时间内的同行节点作为一个关系团体。研究结果表明,相比单纯基于虚拟身份的关系挖掘,基于图数据库的虚拟身份关系挖掘算法准确率可提高至100%。

基于谱聚类的用户关联关系挖掘

为了从用户地理空间分布数据中挖掘用户间关联关系,提出了一种基于谱聚类的关联关系挖掘算法。首先定义了关联度,用以衡量用户之间空间分布的相似性,基于关联度构造相似矩阵,再利用谱聚类方法对用户进行聚类分析,聚类结果表征了用户的关联关系。采用Silhouette指标和聚类准确率来衡量用户关系挖掘质量,同时与传统的K-Means方法进行了比较,通过真实数据集实验,结果表明该算法在实验数据集上能达到90%以上的聚类准确率,证明方法有效、可行。

一种基于信息瓶颈的因果关系挖掘方法

观测数据因果关系挖掘是很多学科的基础问题。然而基于约束与因果函数等的现有方法对数据的因果机制具有较强的假设,一般适用于低维数据,并不能很好地适用于存在隐变量的场景。为此,提出了一种基于信息瓶颈的因果关系挖掘方法,称为因果信息瓶颈方法。该方法将因果机制划分为压缩与提取两阶段,在压缩阶段,假设存在一个经过压缩的中间隐变量,在提取阶段,可能保留与结果变量相关的信息。在上述建模的基础上,通过推导其变分上界,设计了一种的基于变分自编码机的因果关系挖掘方法。实验结果表明,基于信息瓶颈的方法在合成数据中准确率提升了10%,在真实数据中准确率提升了4%。

基于神经网络的师生关系挖掘算法

为提高导师—学生关系挖掘精度,改善传统判别算法准确率,提出一种基于神经网络的导师—学生关系判定算法。通过神经网络中BP算法对导师—学生关系所依赖参数进行权重计算,加入判别函数计算相应论文作者分数,再根据关系判别函数判断两者关系。对2000组数据的实验结果表明,基于神经网络与论文的导师—学生关系挖掘算法能够准确挖掘出导师—学生之间的关系,比传统启发式规则的准确率高出8%左右。

间接通信在用户社会关系挖掘中的应用研究

基于手机通信数据的用户社会关系挖掘已经逐渐成为手机数据研究的一个热点。本文考虑将手机通信数据中的直接通信与从中挖掘得到的间接通信进行结合以提升社会关系挖掘的效果。本文首先介绍了间接通信的挖掘算法,基于此算法得到间接通信,然后从中提取特征并与直接通信行为特征进行组合以用于用户之间社会关系的挖掘。在MIT Social Evolution数据集上的结果表明了本文方法相比于已有方法具有更好的社会关系挖掘效果。