基于张量分解网络异构信息聚类分析方法（.docVIP

PAGE 9 基于张量分解的网络异构信息聚类分析方法? ?收稿日期：2017-06-02 基金项目：国家自然科学基金资助项目 作者简介：吴继冰（1987－），男，江苏南通人，博士研究生，E-mail：wujibing@； 邓苏（通信作者），男，教授，博士，博士生导师，E-mail：sudeng@ 吴继冰，黄宏斌，邓苏 国防科学技术大学 信息系统工程重点实验室，湖南 长沙 410073 摘要：提出一种基于张量分解的聚类算法，能够同时处理网络中多类型、多语义关系的异构信息。网络信息体系中的各种异构信息被建模为一个多维张量，异构信息之间丰富的语义关系建模为张量中的元素。提出有效的张量分解方法，将不同类型的信息对象一次性划分到不同的簇中。在人工合成的数据集和真实数据集上的实验结果表明，该聚类方法可以很好地处理网络信息体系中的异构信息聚类问题，并且性能优于现有的聚类方法。 关键词：聚类；异构信息；张量分解；信息网络 中图分类号：TN95 文献标志码：A　　　文章编号： A Tensor Decomposition based Clustering Method for Heterogeneous Information in Networks WU Jibing, HUANG Hongbin, Deng Su Science and Technology on Information Systems Engineering Laboratory, National University of Defense Technology, Changsha 410073, China Abstract: A tensor decomposition based clustering method is proposed for heterogeneous information in networks. This clustering method can cluster multiple types of objects and rich semantic relationships simultaneously. The multi-types of information objects in networks are modeled as a high-dimensional tensor, and the rich semantic relationships among different types of objects are modeled as elements in the tensor. Based on an effective tensor decomposition method, the multi-types of objects are partitioned into different clusters simultaneously. The experimental results on both synthetic datasets and real-world dataset show that the proposed clustering method can deal with the heterogeneous information in networks well, and outperforms the state-of-the-art clustering algorithms. Keywords: clustering; heterogeneous information; tensor decomposition; information networks 信息的处理和分析在现代网络信息体系中占有重要的地位，扮演着网络信息体系中的大脑角色。信息的高效分析处理决定了网络信息体系的智能化程度。通过各种途径汇聚而来的信息，只有经过高效的分析挖掘才能更好地服务于用户。而在信息分析处理中，聚类分析是信息分析挖掘的一种重要手段。聚类分析是挖掘数据中蕴含的语义信息及拓扑结构的有效方法。 网络信息体系中包含着语义丰富、来源多样的各类信息，而这些信息对象之间存在着丰富的语义和交互关系。也就是说，网络信息体系中包含着丰富的异构信息对象。传统的聚类方法往往忽略了这些信息对象之间的异构性，采用统一的度量方法来计算异构信息之间的距离或者相似度。显然，这种方法对于异构信息对象是不适用的。例如，在电子商务网络中，包含着庞大的用户信息和商品信息，这两种信息对象之间又存在着收藏，购买等语义信息。我们无法