数据挖掘概念与技术原书第2版第9章图挖掘、社会网络分析和多关系数据挖掘2_数据挖掘.pdfVIP

第9章图挖掘、社会网络分析和多关 系数据挖掘 本章内容 图挖掘 社会网络分析 多关系数据挖掘 小结 社会网络分析 什么是社会网络 社会网络的特征 链接挖掘：任务和挑战 挖掘社会网络 什么是社会网络 从数据挖掘的角度来说，社会网络分析也称为链 接分析或者链接挖掘 社会网络是由图表示的异构多关系的数据集。 节点对应对象，边对应对象间联系或相互作用的链接 节点和链接都有属性 对象可以具有类标号，链接可以是单向的并且不必是二元的。 社会网络不必是社会的 电力网络、电话交互图、计算机病毒传播、万维网以及科学家的合著关系和 引用网络 流行病学网络、细胞与新陈代谢网络、食物网络 公司内的信息交换、聊天室、朋友关系 消费者网络 小世界网络 最初关注的是个人之 间的网络 特点 小部分节点存在着高度局部聚类， 同时，这些节点与其余节点的分割 度没有几度。 六度分割 表现在社会的、自然的、人类设计 和生物的网络中 在个体节点存在大量可用信息 帮助我们设计网络，利于信息或者 其他资源的有效传输，不必用太多 的冗余连接使网络过载。 纽约州电力网络 科学合著者网络 生物化学路径网络 社会网络分析 什么是社会网络 社会网络的特征 链接挖掘：任务和挑战 挖掘社会网络 社会网络的特征 节点的度是与每个节点相关联的边数 节点对之间的距离用最短路径长度度量 网络直径是节点对之间的最大距离 其他节点到节点的距离包括节点对之间的 平均距离和有效距离 社会网络难得静止，其图表示随时间节点 和边的增加或删除而演变 社会网络呈现的现象 稠化幂律 恒定平均度假设：随着网络的改变，读数随节点数线性增长，网络随 时间推移变得越来越稠密，随平均度增加。 稠化幂律：e(t) ∝n(t) α, α=1对应时间上的恒定平均度；α=2对应 于非常稠密的图，其中每个节点到所有节点的一部分都有边 收缩直径 有效直径趋向于随网络增长而减少 重尾出度和入度分布 节点的度趋向于服从遵守幂律1/n α的重尾分布，α越小，其尾越 重 入度服从重尾分布，趋向于比出度分布更倾斜 两种模型 优先配属模型 每个新节点以不变的出链数添加到一个已有的网络，遵循“富者越富” 的原则 森林火灾模型 体现了图随时间演变的特征，基于新节点以蔓延的方式“燃烧” 已有边 进入网络 两种参数：前向燃烧概率和后向燃烧概率 考虑网络随时间的演变 遵守重尾出度性质、重尾入度性质、稠化幂律和收缩直径性质 社会网络分析 什么是社会网络 社会网络的特征 链接挖掘：任务和挑战 挖掘社会网络 链接挖掘：任务和挑战 传统的机器学习和数据挖掘方法取一个关 系中的同源对象的随机样本作为输入 链接挖掘的应用领域 社会网络、链接分析、超文本和Web挖掘、图挖掘、关系学习、归纳 逻辑计划 表现了描述性和预测性建模 通过考虑链接，挖掘过程可以获得更多的信息 带来一些新的任务 链接挖掘的任务1 基于链接的对象分类 根据对象的性质、对象的链接和被链接对象的属性来预测对象的类别 网页分类是公认的基于链接分类的例子，基于词出现和锚文本是属性 分类是基于网页之间的链接以及网页和链接的其他属性 对象类型预测 根据对象的属性和链接，及其链接到它的对象的属性预测对象的类型 链接类型预测 根据所涉及的对象的性质，预测链接的类型或目的 预测链接的存在性 知道两个对象之间存在联系，想预测它的类型 链接挖掘的任务2 链接基数估计 可以预测到一个对象的链接数目，出链的数量用来识别充当网络中心的网页 预测从一个对象沿一条途径到达的对象数 对象核对 任务是根据对象的属性和链接来预测两对象是否事实上相同 常见于信息提取、副本删除，对象合并和引用匹配 组检测 根据对象的属性和链接结构，预测对象集何时属于同一组或簇 子图检测 子图识别发现网络中典型的子图，是一种图搜索形式 元数据挖掘 元数据是关于数据的数据，提供了关于无结构数据的半结构化数据