异构信息网络中基于元路径的搜索和挖掘（上）

异构信息网络中基于元路径的搜索与挖掘

2.3 用户引导的相似性搜索

到目前为止，我们已经看到，不同的元路径意味着不同的相似的语义。但是，如何

才能选择一个特定的搜索任务的最佳元路径或它们的组合？现在，我们介绍了元路径何 可以帮助用户引导的相似性搜索。

如该图2.2所示，不同的用户可能偏好不同的相似性度量，即使对于相同的查询实体。鉴于DBLP网络，它们共享相同的格式的相似性查询可以具有不同的语义含义。在图2.2，无论是查询1和查询10目标是找到与Christos Faloutsos具有相似关系的作者，但是，如果我们用同样的排名函数来回答这两个查询，结果可能不理想。在查询1，隐藏的相似性语义是通过两个例子Jimeng Sun” 和 “Hanghang Tong”。人类的知识判断，作者都是数据挖掘研究人员和卡内基梅隆大学（CMU）Faloutsos的学生。当用户发出查询1，他们可能会寻找卡内基梅隆大学其它的与Faloutsos定期合作的数据挖掘研究人员。然而，在查询1'我们可以从用户的指导，查询很可能寻找其他类似Faloutsos的有名的数据挖掘研究人员。在IMDB（http://www.imdb.com/）数据集，查询2代表搜索有关同一主题（即蝙蝠侠）的电影，同时查询2'代表一个搜索大约在同一时间，在同类型制作的电影。

表2.2 DBIS中和Anhai Doan最相似的前五位

为了提供个性化的相似性搜索，研究文献[10]可满足用户的不同的搜索意图，我们会要求用户提供几个例子，连同查询实体。整个系统可以分为离线和在线组件。在离线的一部分，用不同的基于元路径的排名模式进行培训。在在线部分，查询的意图会被识别和查询将被分派到相应的排序模型。最后选定的相似度排名模式将返回所有其他类似的对象查询实体，给出的查询与指导为例。

- 8 -