计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
1期
121-126
,共6页
异质信息网络%MutualRank算法%权威度排序%PDRank算法%排序模型
異質信息網絡%MutualRank算法%權威度排序%PDRank算法%排序模型
이질신식망락%MutualRank산법%권위도배서%PDRank산법%배서모형
heterogeneous information network%MutualRank algorithm%prestige ranking%PDRank algorithm%ranking model
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。
隨著網絡的持續髮展,數據量以驚人的速度增長,冗餘信息大量存在,同時數據間存在著複雜的關聯關繫,這使得現有的排序方法麵臨著嚴重的問題:信息冗餘影響排序結果。基于異質信息網絡,希望得到同時具有權威性、多樣性的多目標排序模型。該模型將數據建模成一箇異質信息網絡,使用MutualRank通過直接在異質信息網絡上的隨機遊走來更好地建模對象的權威度;使用PDRank融閤各箇對象的權威度及對象之間的多樣性,最終能得到同時具備權威度及多樣性的排序序列。該模型直接利用數據中的異質關聯關繫對對象的權威度進行建模,解決瞭數據冗餘的問題。通過實驗證明瞭MutualRank對于權威度的學習效果優于傳統的PageRank,同時基于兩階段排序模型得到的排序結果也優于已有的基準方法。
수착망락적지속발전,수거량이량인적속도증장,용여신식대량존재,동시수거간존재착복잡적관련관계,저사득현유적배서방법면림착엄중적문제:신식용여영향배서결과。기우이질신식망락,희망득도동시구유권위성、다양성적다목표배서모형。해모형장수거건모성일개이질신식망락,사용MutualRank통과직접재이질신식망락상적수궤유주래경호지건모대상적권위도;사용PDRank융합각개대상적권위도급대상지간적다양성,최종능득도동시구비권위도급다양성적배서서렬。해모형직접이용수거중적이질관련관계대대상적권위도진행건모,해결료수거용여적문제。통과실험증명료MutualRank대우권위도적학습효과우우전통적PageRank,동시기우량계단배서모형득도적배서결과야우우이유적기준방법。
The amount of data is increasing rapidly with the continuous development of Internet. There also exists a large number of redundant information and many complex relationships between data on the Internet. Ranking methods are now facing serious problem that redundant information makes the results bad. This paper focuses on how to get authorita-tive, diverse and understandable ranking results on heterogeneous information network. The paper proposes a ranking model by simultaneously exploring prestige and diversity. The model constructs a heterogeneous information network based on the data, and then uses MutualRank to learn the prestige of the objects using PDRank model which combines the learned prestige and diversity. The ranking model uses the homogeneous and heterogeneous relationship between objects, and eliminates redundant information in ranking result. Experiments show that MutualRank is better than PageRank on modeling prestige, and the ranking results based on two-phase ranking model are superior to the existing base method.