⛄一、随机游走模型
随机游走模型是通过随机选取某一文献作为起点,随机游走所有的文献,根据信息特征相似性对游走线路作加权处理,查阅所有文献后完成聚类。
随机游走算法通过对数据集进行统一的定义,把给定的数据集合作为固定数目的节点和边的离散对象,将数据聚类分析问题转化为无向加权图来实现求解。首先,将数据集映射成一个无向加权图G=(V,E),由数据值的节点vi∈V和表示数据与其相邻数据间关系的边界e∈E组成。eij表示连接两个顶点vi、vj的边,每条边用权重wij来表示两个顶点之间的相似或差异程度。顶点vi的度定义为di=∑wij,等于所有与结点Vi相关联边的权值和;其次,根据数据性质设置k个标记点,通过为每个未被标记的数据节点分配一个k维向量,来表示一个未被标记点到达所有标记点的随机游走过程。第三,每个一维向量均表示从每个未标记点出发,第一次到达k个标记点的概率,k个概率中最大的值为未标记点所属的类标签。该方法将具有相似性的数据就可归为一类,根据不同类别之间的差异实现数据聚类。
两个文本数据X和Y的相似度可根据Tanimoto系数表示为式(1):