基于元图归一化相似性度量的实体推荐

张文凯(),禹可,吴晓非

北京邮电大学信息与通信工程学院, 北京 100876

收稿日期:2019-06-13出版日期:2020-04-20发布日期:2020-04-16

作者简介:张文凯(1995—)，女，山东莱芜人，硕士研究生，主要研究方向为异构信息网络，数据挖掘. E-mail:zhangwenkai2018@163.com
基金资助:国家自然科学基金资助项目(61601046);国家自然科学基金资助项目(61171098);中国111基地资助项目(B08004);欧盟FP7 IRSES资助项目(612212)

Entity recommendation based on normalized similarity measure of meta graph in heterogeneous information network

Wenkai ZHANG(),Ke YU,Xiaofei WU

School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China

Received:2019-06-13Online:2020-04-20Published:2020-04-16


Supported by:国家自然科学基金资助项目(61601046);国家自然科学基金资助项目(61171098);中国111基地资助项目(B08004);欧盟FP7 IRSES资助项目(612212)

摘要/Abstract

摘要： 基于异构信息网络(heterogeneous information networks, HIN)中元图的良好表征特性,提出一种结合隐式反馈和PathSim(meta path-based similarity)的归一化相似性度量(normalized similarity measure of meta graph, NSMG),以解决对异构信息网络中高度可见实体的偏好问题。针对Yelp和Amazon数据集构建Yelp-HIN(heterogeneous information networks in Yelp)和Amazon-HIN(heterogeneous information networks in Amazon),定义不同类型的元图及归一化相似度量,使用矩阵分解和因子分解机来组合计算不同元图上的相似性。试验结果表明,基于NSMG的方法在非常稀疏的数据集上性能表现优于常用的HIN实体推荐方法。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1911