基于类传播分布的关系近邻异质性网络分类方法

摘要：

基于同质性假设的关系分类方法对异质性网络分类性能较差,针对异质性网络的分类问题提出了一种基于类传播分布的关系近邻分类方法.该方法采用二阶马尔可夫假设,分类时考虑来自未标记结点邻居的邻居的影响,并通过计算传播类别向量和传播参考向量使结点间的影响进行传递,结合松弛标注的协作推理方法不断更新分类结果直至类分布收敛.对比实验结果表明,本文方法在异质性网络分类上具有较高的分类精度.

关键词：人工智能、异质性网络分类、类传播分布关系近邻分类器、协作推理

所属期刊栏目：46

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金项目61133011;国家自然科学基金面上项目61373053,61472161,61170092

在线出版日期：2016-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：522-527