基于异构关系分布的学术网络相似性搜索

随着学术网络的复杂化和大规模化,传统的相似性度量算法大多依赖网络模式,而缺乏普适性,同时在大规模网络上计算效率低.针对上述问题,提出一种基于链接的相似性度量方法.首先,利用全局异构关系分布进行数据统计分析,生成关系特征矩阵以规范化表示不同类型链接关系的重要程度;然后,结合关系特征矩阵扩展TopSim算法,使其适用于大规模学术网络的相似性度量,同时通过阈值过滤加速查询过程;最后,每个查询返回与之最相关的前k个节点.在真实数据集上的实验结果表明,当考虑数据构成及其分布特点时,在保证查询效率的基础上,查询结果的准确率平均提升了7.25％.