超图环境下链路预测问题的探究

超图作为图的扩展,可以表示多种实体间的关系,使得其表达能力大大强于图,该优势吸引人们的关注并日益成为研究热点.链路预测作为图数据挖掘中的常见任务,也在超图上扩展为超链路预测.超链路预测通过已知超边或节点的属性来估计新超边出现的可能性,但是由于超边内节点数量的任意性,其可能的超边由O(n^(2))暴增至O(2^(n)),这大大增加了算法的复杂度.本文使用下采样方法以减少候选超边集的大小,将图上的带重启的随机游走算法扩展到超图上.还将图上的其他指标,如CN、CE、Jaccard等,扩展到超图进行比较.结果表明,带重启的随机游走指标在精确率和召回率上要明显优于其他指标,并且观察到演化良好的超图其超边内部的联系强度随节点数的增加而增加,由此可知超链路预测的主要难点在于对小尺寸超边的预测.

一种改进的个性化查询引文推荐方法

为充分利用文本内容的上下文信息,结合图模型及查询向量的构建方法,提出一种融合查询内容信息的个性化引文推荐方法。通过三种论文信息构建三层图模型,并在不同层上设置不同参数,调整节点向不同层次的跳转概率;利用word2vec技术构建的查询向量,可以有效利用文本上下文内容信息,使相似的文章在距离上更加接近,进而对候选文章进行评分预测与论文推荐。在association of computational linguistics anthology network数据集上进行计算分析,相同查询下与原有的方法相比在recall@ N 上平均提高约7%,在NDCG@ N 上平均提高约11%。实验结果表明该方法可以使引文推荐的质量得到有效的提升,能够获得较好的推荐效果。