KDDFeb, 2015

异质信息网络的张量 SimRank

PDF
TL;DR提出了 SimRank 相似度度量的一般化，用于异构信息网络，其中给定信息网络，如果与 a 相关的对象集合和与 b 相关的对象集合根据所有所施加的关系彼此相似，则类内相似性得分 s（a，b）很高。
simranksimilarity measureheterogeneous information networksintraclass similarity scorerelations
发现论文，激发创造
  • HeteSim：异构网络相关度量的通用框架

    本篇论文研究了异构网络中的相关搜索问题，提出了一种名为 HeteSim 的度量方法，它具有均匀、路径约束、半度量等特点，并提出了相应的计算策略，实验表明，HeteSim 能够有效、高效地评估异构对象之间的相关性。

    Sep, 2013

  • 网络高效排名的物理模型

    该论文提出了一种基于物理学原理的模型和高效算法，用于推断有向网络中节点的层次排名，并介绍了一种更精确的排名方式，并提供了一种对强度进行统计显著性检验的方法，应用于预测边的存在性和方向，并在实际和合成数据上分析展示出算法的效率与可扩展度。

    Sep, 2017

  • RankSim：深度不平衡回归的排名相似度正则化

    本文提出了一种基于 RankSim 正则化的深度不平衡回归技术，该技术利用了标签空间关系的附加信息来捕捉相邻和远距离关系，提高了不平衡回归的性能。

    May, 2022

  • NetSimile: 一种可扩展的基于大小无关的网络相似性方法

    本研究提出 NetSimile，一个能够快速评估不同网络相似性和提取描述性数字特征的方法，以在图挖掘中进行聚类、异常检测、可视化、网络转移学习和重新识别等任务中具有卓越的效果，并在多个合成和真实图表现出更好的性能表现。

    Sep, 2012

  • 利用信息内容评估分类法中的语义相似性

    本研究基于信息内容的概念，提出了一种新的 IS-A 分类法语义相似性的度量方式，并通过实验评估表明，该方式表现良好，与人类相似度判断数据相关系数为 0.79，显著优于传统的边缘计数方法。

    Nov, 1995

  • 大规模异构信息网络中基于元路径导向嵌入的相似度搜索

    本文提出了一个基于嵌入的框架 (ESim)，以探索嵌入在网络结构中的相似度，并接受用户定义的元路径作为指导来学习嵌入向量。在大规模异构信息网络上进行的实验证明了 ESim 的有效性和可扩展性。

    Oct, 2016

  • 直接优化排序度量

    介绍了一种新的优化丢失功能的方法以提高 Web 页面排名和协同过滤的性能，并使用结构化估计在希尔伯特空间中进行直接优化，所提出的算法被证明是快速且表现良好。

    Apr, 2007

  • 网络角色相似性的公理排序

    本研究提出了一种能够解决社交网络中节点角色分析问题的新的相似度测量指标 RoleSim，并且证明了它满足一些必要的公理性质。

    Feb, 2011

  • 一种信息理论，全尺度比较网络的方法

    提出了一种新的网络比较度量 —— 网络画像差异，该方法可以比较各种类型的网络并揭示多层和时间网络的重要特征。

    Apr, 2018

  • 元组相似度学习的主动序数查询

    该论文介绍了一个通用的多元组查询方法，称为 InfoTuple，通过相互信息最大化采用一种新颖的方法，以实现多元组查询的自适应选择。在合成测试和新的人类响应数据集上，该方法在各种元组大小的性能均优于最先进的自适应三元组选择方法，并在经验上证明了通过查询更大的元组而不是三元组实现的查询效率和一致性的重大收益。

    Oct, 2019