动态网络分析是复杂网络背景下机器学习和人工智能研究的热门方向之一。将形式概念分析方法与动态网络分析方法相结合,对动态网络中的概念及其网络特征值的动态性进行研究具有重要意义。首先,提出了动态网络形式背景,将动态网络数据与...动态网络分析是复杂网络背景下机器学习和人工智能研究的热门方向之一。将形式概念分析方法与动态网络分析方法相结合,对动态网络中的概念及其网络特征值的动态性进行研究具有重要意义。首先,提出了动态网络形式背景,将动态网络数据与形式概念分析统一到一个数据框架下,结合现实中的动态网络数据类型,对其中一类动态网络形式背景进行了分类和构造性分析;其次,提出了动态网络概念及其网络特征值的定义,为后面研究网络概念的动态性奠定了基础;接着,给出了各种网络概念特征值的变化速率的定义,并提出了网络对象概念动态性分析算法和网络属性概念动态性分析算法;最后,利用从Web of Science核心期刊库中提取的数据对所提出的两个算法进行实验,实验表明所提算法能对网络概念及其特征值的动态性进行有效的分析。展开更多
将形式背景与复杂网络分析结合,研究如何从网络节点之间的有向关系出发分析节点内涵属性之间的有向流动趋势。首先,定义知识流动算子和知识流动矩阵,研究有向对象之间的知识流动。其次,定义知识流动网络形式背景和知识流团,进一步研究...将形式背景与复杂网络分析结合,研究如何从网络节点之间的有向关系出发分析节点内涵属性之间的有向流动趋势。首先,定义知识流动算子和知识流动矩阵,研究有向对象之间的知识流动。其次,定义知识流动网络形式背景和知识流团,进一步研究网络中知识流团的网络特征值,用来描述网络中知识流团的平均影响力和影响力差异。另外,结合引文网络与标准加权直接引用(NWDC)方法构建知识流动矩阵和属性链接值,依次提出知识出入度矩阵构建算法、知识流动矩阵构建算法。针对链接值预测问题提出改进链路预测方法、链接值预测方法,并与6种ML算法结合应用于Web of Science核心期刊库下载的数据集中,结果表明这两种预测方法效果优于链路预测且链接值预测方法效果最好。最后,根据链接值预测方法预测冷热门知识,并由冷热门知识流团的网络特征值对该结果进行验证。展开更多
文摘动态网络分析是复杂网络背景下机器学习和人工智能研究的热门方向之一。将形式概念分析方法与动态网络分析方法相结合,对动态网络中的概念及其网络特征值的动态性进行研究具有重要意义。首先,提出了动态网络形式背景,将动态网络数据与形式概念分析统一到一个数据框架下,结合现实中的动态网络数据类型,对其中一类动态网络形式背景进行了分类和构造性分析;其次,提出了动态网络概念及其网络特征值的定义,为后面研究网络概念的动态性奠定了基础;接着,给出了各种网络概念特征值的变化速率的定义,并提出了网络对象概念动态性分析算法和网络属性概念动态性分析算法;最后,利用从Web of Science核心期刊库中提取的数据对所提出的两个算法进行实验,实验表明所提算法能对网络概念及其特征值的动态性进行有效的分析。
文摘将形式背景与复杂网络分析结合,研究如何从网络节点之间的有向关系出发分析节点内涵属性之间的有向流动趋势。首先,定义知识流动算子和知识流动矩阵,研究有向对象之间的知识流动。其次,定义知识流动网络形式背景和知识流团,进一步研究网络中知识流团的网络特征值,用来描述网络中知识流团的平均影响力和影响力差异。另外,结合引文网络与标准加权直接引用(NWDC)方法构建知识流动矩阵和属性链接值,依次提出知识出入度矩阵构建算法、知识流动矩阵构建算法。针对链接值预测问题提出改进链路预测方法、链接值预测方法,并与6种ML算法结合应用于Web of Science核心期刊库下载的数据集中,结果表明这两种预测方法效果优于链路预测且链接值预测方法效果最好。最后,根据链接值预测方法预测冷热门知识,并由冷热门知识流团的网络特征值对该结果进行验证。
