基于主题模型的科研异构网络排序方法研究

发布时间：2023-05-26 20:08

　　随着互联网飞速发展产生的海量数据,用户通过检索得到的结果,不满足单纯的检索词匹配和信息单一的展示,而是希望向更为复杂的形式转换,得到更为满意的结果。这样就使各种信息数据以潜在关系的形式联系起来形成复杂的社交网络。社交网络数据越来越复杂,单纯的剥离其他信息关注同种类型的网络对象关系,可以很好地简化处理思路,但是造成了信息的损失。所以本文关注的异构信息网络可以使不同类型对象关联关系体现出来。本文着眼于异构科研网络环境,希望获取论文、作者、期刊和相关词汇在某搜索词下的排序结果,主要面对以下几个问题:(1)初始以论文题目、发布的期刊或会议、作者及摘要作为对象构建异构科研网络,但是论文题目与摘要存在一对一关系,不能简单明确的构建此网络。(2)如何利用异构网络中对象的依赖关系,挖掘异构网络对象的共同隐含话题。(3)如何利用网络中对象的隐含语义话题,对象与对象之间的关系,识别异构网络中对象的权威度,从而做结果排序。本文主要算法研究内容如下,并将此功能在系统中实现出来。(l)先利用主题模型,由摘要计算出排名靠前的主题关键字作为异构网络节点,以论文题目、发布的期刊或会议、作者及关键字作为四种类型对象构建...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究的背景和意义
        1.1.1 课题的来源和选题背景
        1.1.2 理论意义和应用价值
    1.2 国内外研究现状
        1.2.1 主题模型研究现状
        1.2.2 异构网络研究现状
        1.2.3 异构网络研究现状
    1.3 论文内容及组织结构
        1.3.1 论文研究内容和研究方案
        1.3.2 论文组织结构
    1.4 本章小结
2 相关理论知识基础
    2.1 异构信息网络模型及典型模型分析
        2.1.1 异构信息网络模型定义
        2.1.2 典型模型分析
    2.2 主题模型
        2.2.1 潜在语义模型(PLSA)
        2.2.2 LDA模型
        2.2.3 sentenceLDA模型
    2.3 基于链接的网络分析模型
        2.3.1 同构信息网络分析模型
        2.3.2 异构信息网络分析模型
    2.4 本章小结
3 异构信息网络对象主题建模
    3.1 异构信息网络对象的界定
    3.2 基于LDA的主题模型优化
        3.2.1 LDA模型
        3.2.2 SentenceLDA模型
        3.2.3 对比实验
    3.3 异构信息网络对象统一主题建模
    3.4 本章小结
4 构建结合主题模型的异构信息网络排序方法
    4.1 结合主题模型的异构信息网络排序问题描述
    4.2 PageRank排序算法
    4.3 NetClus排序算法的优化
    4.4 结合主题模型的异构信息网络排序方法及实验
        4.4.1 结合主题模型的异构信息网络排序方法
        4.4.2 实验部分
    4.5 本章小结
5 基于主题模型的异构信息网络算法的评价及应用
    5.1 实验环境与数据说明
        5.1.1 数据采集
        5.1.2 实验环境说明
        5.1.3 数据预处理
    5.2 基于主题模型的异构信息网络排序方法结果评价
        5.2.1 评价指标
        5.2.2 算法评价
    5.3 基于主题模型的异构信息网络排序算法的应用与实现
        5.3.1 ES检索型数据库的存储
        5.3.2 SSM框架说明
        5.3.3 数据库设计
        5.3.4 页面实现
    5.4 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：3823204