异质信息网络下关系推理的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关技术介绍 | 第16-30页 |
| 2.1 异质信息网络 | 第16-18页 |
| 2.2 元路径 | 第18-20页 |
| 2.3 知识图谱与RDF数据结构 | 第20-23页 |
| 2.4 相似度度量 | 第23-25页 |
| 2.5 关系推理 | 第25-27页 |
| 2.6 Hadoop分布式系统架构 | 第27-30页 |
| 第三章 异质信息网络的相似度度量 | 第30-42页 |
| 3.1 问题描述 | 第30-31页 |
| 3.1.1 精确相似度度量的随机游走模型 | 第30-31页 |
| 3.1.2 相似度近似度量的思想 | 第31页 |
| 3.2 随机路径抽样算法RSSim | 第31-34页 |
| 3.3 RSSim算法复杂度分析 | 第34页 |
| 3.4 理论分析 | 第34-36页 |
| 3.5 实验及结果分析 | 第36-42页 |
| 3.5.1 数据集介绍 | 第36页 |
| 3.5.2 算法准确度实验 | 第36-37页 |
| 3.5.3 算法时间效率实验 | 第37-38页 |
| 3.5.4 参数的影响 | 第38-39页 |
| 3.5.5 研究实例 | 第39-42页 |
| 第四章 异质信息网络的关系推理 | 第42-52页 |
| 4.1 路径排序算法介绍 | 第42-43页 |
| 4.2 子图路径抽取算法描述 | 第43-47页 |
| 4.2.1 特征选择 | 第43-45页 |
| 4.2.2 正负样本的构造 | 第45-46页 |
| 4.2.3 模型的选择 | 第46-47页 |
| 4.3 实验及结果分析 | 第47-52页 |
| 4.3.1 数据集介绍 | 第47-48页 |
| 4.3.2 时间与准确率性能实验 | 第48-50页 |
| 4.3.3 参数敏感度实验 | 第50-52页 |
| 第五章 分布式关系学习算法的研究 | 第52-58页 |
| 5.1 分布式关系学习的思想由来 | 第52-53页 |
| 5.2 算法设计 | 第53-55页 |
| 5.3 实验及结果 | 第55-58页 |
| 第六章 总结及展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 今后工作的展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录 | 第66-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
