异质信息网络分析与应用

前言
第1章 引言 1
1.1 基本概念和定义 1
1.2 与相关概念的比较 4
1.3 异质信息网络示例数据集 5
1.4 为什么要进行异质信息网络分析 8
参考文献 9
第2章 研究进展综述 13
2.1 相似性搜索 13
2.2 聚类 14
2.3 分类 16
2.4 排名 17
2.5 链接预测 19
2.6 推荐 20
2.7 信息融合 21
2.8 其他应用 22
参考文献 23
第3章 异质对象的相关性度量 29
3.1 HeteSim：一种统一且对称的相关性度量方法 29
3.1.1 概述 29
3.1.2 HeteSim 度量 31
3.1.3 实验 38
3.1.4 快速计算策略及实验 45
3.2 HeteSim 的扩展 49
3.2.1 概述 49
3.2.2 AvgSim：一种新的度量方法 50
3.2.3 AvgSim 的并行化 51
3.2.4 实验 52
3.3 结论 55
参考文献 56
第4章 基于路径的排名和聚类 57
4.1 基于元路径的排名 57
4.1.1 概述 57
4.1.2 HRank 方法 59
4.1.3 实验 65
4.2 基于排名的聚类 75
4.2.1 概述 75
4.2.2 问题定义 77
4.2.3 HeProjI 算法 80
4.2.4 实验 86
4.3 结论 90
参考文献 91
第5章 基于异质信息网络的推荐 93
5.1 基于语义路径的推荐 93
5.1.1 概述 93
5.1.2 基于异质网络的推荐框架 95
5.1.3 SemRec 算法 99
5.1.4 实验 104
5.2 基于矩阵分解的推荐 111
5.2.1 概述 111
5.2.2 SimMF 算法 112
5.2.3 实验 117
5.3 利用异质信息的社交推荐 123
5.3.1 概述 123
5.3.2 DSR算法 124
5.3.3 实验 128
5.4 结论 131
参考文献 132
第6章 异质社交网络上的融合学习 135
6.1 网络对齐 135
6.1.1 概述 135
6.1.2 术语定义与社交元路径 136
6.1.3 跨网络对齐 139
6.1.4 实验 141
6.2 跨对齐网络的链接传输 145
6.2.1 概述 146
6.2.2 跨网络链接预测 146
6.2.3 实验 150
6.3 协同网络社区检测 158
6.3.1 概述 158
6.3.2 跨网络社区检测 158
6.3.3 实验 161
6.4 结论 168
参考文献 169
第7章 模式丰富的异质网络挖掘 171
7.1 模式丰富的异质网络中的链接预测 171
7.1.1 概述 171
7.1.2 LiPaP 算法 173
7.1.3 实验 177
7.2 知识图谱中基于元路径的实体集扩展 180
7.2.1 概述 180
7.2.2 MP_ESE 算法 181
7.2.3 实验 185
7.3 结论 188
参考文献 188
第8章 基于异质网络的原型系统 191
8.1 语义推荐系统 191
8.1.1 概述 191
8.1.2 系统结构 193
8.1.3 系统实现 194
8.1.4 系统演示 197
8.2 可解释的推荐系统 198
8.2.1 概述 198
8.2.2 基于异质网络的推荐 199
8.2.3 系统框架 201
8.2.4 系统演示 202
8.3 其他基于异质网络的原型系统 204
8.4 结论 205
参考文献 205
第9章 未来的研究方向 207
9.1 更复杂的网络构建 207
9.2 更强大的挖掘方法 208
9.2.1 网络结构 208
9.2.2 语义挖掘 209
9.3 更庞大的网络数据 211
9.4 更多的应用领域 212
参考文献 213