论文部分内容阅读
提出基于聚类及链接分析的挖掘模型LinkNetClus，该模型将对象类型分为目标类型及属性类型，并假设目标对象属于每个簇的概率依赖于与之相关的其他对象，在目标对象上进行迭代的聚类操作，最终得到具有多样性的聚类结果。该模型充分利用了异质信息网络中的关联关系，得到多维的挖掘结果来解决数据冗余的问题，结果的可解释性也优于排序序列。通过实验证明了使用LinkNetClus得到的聚类结果比已有的基准方法提高大概30％～50％左右。