摘要
在图挖掘领域,对象之间的相似度作为一个非常重要的课题,被广泛应用于链接预测、欺诈检测、协同过滤、近邻查询等众多实际问题中.在传统确定图上,节点相似度的研究受到了广泛关注并取得了很多成果.但是确定图上的对象相似度的计算无法直接应用于概率图.研究概率图上的节点相似度计算问题,定义了概率图上的期望SimRank相似度,提出了多项式时间复杂度的CBT算法计算期望转移矩阵,避免了可能世界的枚举.并通过链接预测实验和性能对比实验验证了相似度的质量和所提出算法的高效性、可扩展性.
在图挖掘领域,对象之间的相似度作为一个非常重要的课题,被广泛应用于链接预测、欺诈检测、协同过滤、近邻查询等众多实际问题中.在传统确定图上,节点相似度的研究受到了广泛关注并取得了很多成果.但是确定图上的对象相似度的计算无法直接应用于概率图.研究概率图上的节点相似度计算问题,定义了概率图上的期望SimRank相似度,提出了多项式时间复杂度的CBT算法计算期望转移矩阵,避免了可能世界的枚举.并通过链接预测实验和性能对比实验验证了相似度的质量和所提出算法的高效性、可扩展性.
出处
《计算机研究与发展》
EI
CSCD
北大核心
2011年第S3期326-333,共8页
Journal of Computer Research and Development
基金
中国人民大学科学研究基金项目(中央高校基本科研业务费专项资金)
关键词
图挖掘
相似度计算
不确定性
graph mining
similarity computation
uncertainty
