HeteSim：异构网络中相关性度量的通用框架
信息检索
2013-10-01 v1 人工智能
摘要
相似性搜索是许多应用中的重要功能，通常侧重于测量同类型对象之间的相似性。然而，在许多场景中，我们需要测量不同类型对象之间的相关性。随着对异构网络研究的激增，不同类型对象之间的相关性度量变得日益重要。本文研究了异构网络中的相关性搜索问题，其任务是测量异构对象（包括同类型或不同类型的对象）之间的相关性。提出了一种新的度量方法 HeteSim，它具有以下属性：(1) 统一度量：它可以在统一框架中测量同类型或不同类型对象之间的相关性；(2) 路径约束度量：对象对的相关性定义为基于连接两个对象并遵循一系列节点类型的搜索路径；(3) 半度量度量：HeteSim 具有一些良好的性质（例如自最大性和对称性），这对许多数据挖掘任务至关重要。此外，我们分析了 HeteSim 的计算特性并提出了相应的快速计算策略。实证研究表明，HeteSim 能够有效且高效地评估异构对象的相关性。
引用
@article{arxiv.1309.7393,
title = {HeteSim: A General Framework for Relevance Measure in Heterogeneous Networks},
author = {Chuan Shi and Xiangnan Kong and Yue Huang and Philip S. Yu and Bin Wu},
journal= {arXiv preprint arXiv:1309.7393},
year = {2013}
}