大数据分析-链接挖掘.pptVIP

浅谈链接挖掘 基本概念 用图结构刻画社交网络的思路 一个社交网络由很多节点（Node），和连接这些节点的一种或多种特定的链接（Link）组成 节点表示数据实例，链接则表示实例之间存在的各种关系（Relation） 社会网络的结构属性，如节点的度数（Degree）、连通性（Connectivity） 子图（Subgraph）有助于我们对社团或群体行为的研究 链接挖掘中的数据表示 基本表示： 行为者(Actor)：社交网络中的实体。 联系(Relation tie)：不同的社会实体通过联系连接在一起。 复杂的模式包括： 二元组(Dyad)：由两个行为者及他们之间的关系组成，这是研究关系模式的基本单位； 子图(Subgroup)：由网络中的一部分行动者和他们之间的关系组成，可以通过子图来研究社会网络中的一个小团体所具有的特征； 图(Graph)：所有行动者及其之间的关系，分析社会网络的总体特征。 典型的链接挖掘任务介绍 基于链接的节点排序（Link-Based Object Ranking） 基于链接的节点分类（Link-Based Object Classification） 节点聚类（Object Clustering） 链接预测（Link Prediction） 子图发现（Subgraph Discovery） 图分类（Graph Classification） 基于链接的节点排序(Link-Based Object Ranking) 通过分析图中的链接结构，根据某种衡量节点重要性的度量对图中的节点进行排序，这种可度量的重要性被称为中心度（Centrality）。 根据复杂程度不同，可分为局部度量和全局度量(静态图)。 局部度量包括“度中心度”(Degree Centrality)，即某个顶点的度数; 全部度量包括“特征向量/能量中心度”（Eigenvector/Power Centrality） 其他的排序方法 基于两个节点到他们所链接的相似节点的度数，估计这两个节点间相似程度（通过随机游走来计算），并可以引入了图分块以提高算法的稳定性 G. Jeh and J. Widom. SimRank: A measure of structural-context similarity. In ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pages 538-543, 2002. J. Sun, H. Qu, D. Chakrabarti, and C. Faloutsos. Relevance search and anomaly detection in bipartite graphs. SIGKDD Explorations, 7(2), December 2005. 扩展阅读(很老，很经典)： L. Freeman. Centrality in social networks: Conceptual clarifications. Social Networks, 1:215-239, 1979. P. Bonacich. Power and centrality: A family of measures. American Journal of Sociology, 92(5):1170-1182, 1987. 基于链接的节点分类(Link-Based Object Classification) 传统机器学习中的分类问题是基于数据实例（节点）独立且分布的假设 一个数据图G = (O;L) 表示节点集合O和他们之间的链接集合L，LBOC将O中的成员赋予某一类标签，与传统ML最大的区别在于节点的类别是彼此相关的 条件随机场(Conditional Random Fields)的概念，扩展了传统最大熵模型对于数据的结构必须是链式结构的限制 J. Lafferty, A. McCallum, and F. Pereira. Conditional random fields: Probabilistic models for segmenting and labeling sequence data. In Proc. of ICML-01, 2001. 对每个数据实例增加新的属性来扩展简单的机器学习分类器，使其能处理基于链接的节点分类问题 Q. Lu and L. Getoor. Link-based classification. In International Conference on Machine Learning, 2003. 增加的新属性度量了类标签在节点组成的马尔可夫毯（Markov Blank