异构网络学习排序模型:从话题到专家搜索

需积分: 10 2 下载量 180 浏览量 更新于2024-09-07 收藏 268KB PDF 举报
"异构网络学习排序模型及应用 .pdf" 这篇论文主要探讨了异构网络学习排序模型在解决网络排序问题中的应用。作者杨子、唐杰和李涓子来自清华大学计算机科学与技术系,他们关注的话题是网络排序中的基础问题,特别是话题层次的随机游走问题。 首先,论文提出了一个三步方法来解决话题层次的随机游走问题。这个方法的核心在于从文档集中挖掘出话题,然后基于这些话题来计算文档的层次排序得分。在这一过程中,话题模型起到了关键作用,它帮助分析和理解文档内容的潜在结构,从而更好地对文档进行层次化排序。 其次,研究者提出了一种通用的异构网络排序模型。这种模型能够处理不同类型的网络节点和边,同时对源域和目标域之间的关系进行建模。在两个域中分别学习排序模型,通过高效的期望最大化(EM)算法求解,以优化模型参数。这种方法的优势在于它可以适应复杂网络环境下的数据,提高了排序的准确性和效率。 论文还进行了实验验证,证明了所提出的两种方法在实际应用中的性能。特别地,研究者引入了一个特定的专家搜索应用概念,利用异构网络排序算法解决了这个问题。专家搜索是一种针对特定领域知识专家的检索任务,而异构网络排序算法能够有效地在大量信息中找出最相关的专家。 此外,关键词包括话题模型、随机游走、异构网络、专家搜索和伯乐搜索,表明论文涵盖了信息检索、网络分析和机器学习等多个领域的交叉点。中图分类号为TP301.6,文献标志码为A,意味着这是一篇关于计算机科学和技术的学术文章,具有较高的研究价值。 这篇论文深入研究了异构网络环境下的排序问题,提出的模型和方法为解决复杂网络数据的排序提供了新的思路,对于信息检索、社交网络分析等领域有着重要的理论和实践意义。