《異構多屬性網路的多視圖聚類關鍵技術研究》是依託哈爾濱工業大學，由葉允明擔任項目負責人的面上項目。
基本介紹
- 中文名：異構多屬性網路的多視圖聚類關鍵技術研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：葉允明
項目摘要,結題摘要,
項目摘要
異構多屬性網路是一種特殊的異構信息網路，包含更豐富的語義內容和隱含信息，具有重要的研究價值。異構多屬性網路聚類問題的研究難點在於：網路節點集、屬性集和關係集之間具有複雜的相關性和依賴性，如何有效挖掘這些要素之間耦合的關聯信息是提高聚類算法性能的關鍵。圍繞這個核心問題，課題將重點研究基於多非負矩陣和多張量的多視圖表示模型，以及該模型基礎上的關鍵算法，包括：(1)基於非負矩陣和非負張量分解的隱含關係挖掘算法，用於發現異構節點之間的隱關係；(2)基於相關係數約束的多非負矩陣和多張量分解算法，用於解決多屬性特徵空間的多視圖融合問題；(3)基於非負矩陣分解和流形學習的多視圖聚類算法，用於解決靜態異構多屬性圖聚類問題；(4)增量式多視圖聚類算法，用於解決動態異構多屬性圖的增量聚類問題。課題的主要創新體現在：基於多視圖疊代融合學習的聚類模型、新的隱含關係發現方法和多屬性特徵融合方法。
結題摘要
隨著網際網路技術的迅速發展和人們社交需求的日益增長，產生了大量的社交網路數據。異構多屬性網路是一種特殊的異構信息網路，包含更豐富的語義內容和隱含信息，具有重要的研究價值。本項目將以異構多屬性網路的挖掘問題為核心展開研究，主要達成的目標包括以下7個方面。第一，我們提出一種適合於異構多屬性網路的表示模型；第二，我們在這個表示模型的框架下，提出基於帶權重聯合非負矩陣分解的聚類算法，將關係特徵和屬性特徵融合在同一目標函式中，並對每個屬性特徵進行加權，用於發現節點之間的隱關係；第三，我們提出基於帶權重多聯合非負矩陣分解的聚類算法，把拓撲關係和多個視圖的屬性特徵融合在同一目標函式中，用於解決多屬性特徵空間的多視圖融合問題；第四，我們提出基於關係係數約束的多視圖聚類算法，用於解決靜態異構多屬性圖的聚類問題；第五，我們提出基於多圖正則化和生成模型的單屬性網路的半監督多類標學習算法，解決半監督多類標分類問題；第六，我們提出基於高階關係挖掘的多屬性網路半監督學習算法，用於傳遞節點之間高階關係信息；第七，我們提出基於多關係集成正則化的多屬性多關係圖的半監督學習算法，將多個關係網路結合在一起，解決屬性網路半監督分類問題。項目在IEEE Transactions on Neural Networks and Learning Systems、Information Sciences、IEEE Transactions on Image Processing、AAAI、WWW等重要國際期刊或學術會議上已發表或錄用研究論文26篇，SCI期刊15篇，全部已標註了受到本項目基金的資助。
