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...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.展开更多
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...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。展开更多
文摘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.
文摘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。