双类型异质网中基于排序和聚类的离群点检测方法

• 作者: 刘露 彭涛 徐原博 杨妮亚 王冰冰
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 离群点检测 排序 聚类 目标对象 属性对象
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 281-288
• 页数: 8页
• 分类号: TP391
• 字数: 5971字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.02.004

摘要

挖掘隐藏在网络中不同于正常数据对象的离群点是数据挖掘的重要任务之一.目前,针对双类型异质信息网络离群点检测的研究工作相对较少,原本适用于同质网络的离群点检测方法将很难适用于双类型异质网络.为此,提出了异质信息网络中基于排序和聚类的离群点检测方法(RKBOutlier).从异质信息网络中抽取两种类型的对象以及链接两种对象的语义信息,将待检测的数据作为属性对象,将另一类型数据作为目标对象,对目标对象进行聚类来检测属性对象在各个聚类中的分布情况,数据分布异常的对象即为离群点.将排序和聚类相结合来显著提高聚类的准确度.实验结果表明,RKBOutlier可以在双类型异质信息网络中有效地检测出离群点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王冰冰	吉林大学计算机科学与技术学院	9	11	2.0	3.0
2	刘露	吉林大学计算机科学与技术学院	6	49	5.0	6.0
3	杨妮亚	吉林大学计算机科学与技术学院	2	17	2.0	2.0
4	徐原博	吉林大学计算机科学与技术学院	2	34	2.0	2.0