异质信息网络下面向权威度的信息排序模型

随着网络的持续发展,数据量以惊人的速度增长,冗余信息大量存在,同时数据间存在着复杂的关联关系,这使得现有的排序方法面临着严重的问题:信息冗余影响排序结果。基于异质信息网络,希望得到同时具有权威性、多样性的多目标排序模型。该模型将数据建模成一个异质信息网络,使用MutualRank通过直接在异质信息网络上的随机游走来更好地建模对象的权威度;使用PDRank融合各个对象的权威度及对象之间的多样性,最终能得到同时具备权威度及多样性的排序序列。该模型直接利用数据中的异质关联关系对对象的权威度进行建模,解决了数据冗余的问题。通过实验证明了MutualRank对于权威度的学习效果优于传统的PageRank,同时基于两阶段排序模型得到的排序结果也优于已有的基准方法。