Discovering small-world in association link networks for association learning
Discovering small-world in association link networks for association learning
复制标题
发现关联链接网络中的小世界以进行关联学习
DOI：
10.1007/s11280-012-0171-7
复制
发表时间：
2014-03
影响因子：
3.7
通讯作者：
Weimin Xu
中科院分区：
文献类型：
--
作者：
Shunxiang Zhang;Xiangfeng Luo;Junyu Xuan;Xue Chen;Weimin Xu
联想链接网络(ALN)是通过挖掘多媒体Web资源之间的关联关系而构建的一种语义链接网络，用于有效支持基于Web的学习、语义搜索等Web智能应用。本文探讨了ALN的小世界特性，为联想学习(即从网络资源中学习的简单思想)提供理论支持。首先，提出了一种ALN的过滤算法来生成ALN的过滤状态，目的是在给定的网络规模和过滤参数下观察ALN的小世界特性。通过比较ALN和随机图的小世界特性，发现ALN具有明显的小世界特征。然后，我们研究了小世界属性在几个增量网络规模下随时间的演变。ALN的平均路径长度随网络规模的增大而增大，而聚集系数与网络规模无关。我们发现在相同的网络规模和网络平均程度下，ALN比WWW具有更小的平均路径长度和更高的聚集系数。然后，基于ALN的小世界特性，提出了一种联想学习模型(ALM)，该模型能够有效地为学习者提供广度或深度上的Web资源的联想学习。
Association Link Network (ALN) is a kind of Semantic Link Network built by mining the association relations among multimedia Web resources for effectively supporting Web intelligent application such as Web-based learning, and semantic search. This paper explores the Small-World properties of ALN to provide theoretical support for association learning (i.e., a simple idea of “learning from Web resources”). First, a filtering algorithm of ALN is proposed to generate the filtered status of ALN, aiming to observe the Small-World properties of ALN at given network size and filtering parameter. Comparison of the Small-World properties between ALN and random graph shows that ALN reveals prominent Small-World characteristic. Then, we investigate the evolution of Small-World properties over time at several incremental network sizes. Theaverage path lengthof ALN scales with the network size, whileclustering coefficientof ALN is independent of the network size. And we find that ALN has smalleraverage path lengthand higherclustering coefficientthan WWW at the same network size and network average degree. After that, based on the Small-World characteristic of ALN, we present an Association Learning Model (ALM), which can efficiently provide association learning of Web resources in breadth or depth for learners.
登录
查看更多内容
DOI：
10.1007/11762256_38
发表时间：
2006-06
期刊：
--
影响因子：
--
作者：
Bettina Hoser;A. Hotho;R. Jäschke;Christoph Schmitz;Gerd Stumme
通讯作者：
Bettina Hoser;A. Hotho;R. Jäschke;Christoph Schmitz;Gerd Stumme
DOI：
10.1016/j.infsof.2005.04.007
发表时间：
2006-04
期刊：
Inf. Softw. Technol.
影响因子：
--
作者：
Jian Cao;Jie Wang;K. Law;Shensheng Zhang;Minglu Li
通讯作者：
Jian Cao;Jie Wang;K. Law;Shensheng Zhang;Minglu Li
影响因子：
8.9
作者：
H. Zhuge
通讯作者：
H. Zhuge
DOI：
10.1007/s11280-008-0045-1
发表时间：
2008-04
期刊：
World Wide Web
影响因子：
--
作者：
Qing Li;Jianmin Zhao;Xinzhong Zhu
通讯作者：
Qing Li;Jianmin Zhao;Xinzhong Zhu
DOI：
10.1007/s11280-010-0086-0
发表时间：
2010-03
期刊：
World Wide Web
影响因子：
--
作者：
Guoren Wang;Ye Yuan;Yongjiao Sun;Junchang Xin;Y. Zhang
通讯作者：
Guoren Wang;Ye Yuan;Yongjiao Sun;Junchang Xin;Y. Zhang