大规模信息网络中对象之间的相似性度量是数据挖掘、Web信息抽取和集成、信息检索等研究领域的基本任务，亦属于海量弱可用信息研究的一个重要方面。基于链接的相似性度量，吸引了重多研究者的关注，近年来已得到广泛研究和应用。然而，已有的工作主要集中在引进新的基于链接的度量方法，很少提供理论和与其他度量方法全面、完整的实验比较。因此，在不同情况下选择适宜的度量方法和应用还存在相当大的困难。本论文以作者所完成的在相似性度量方面的大量研究工作为基础，对基于链接的相似性度量方法给出全面分析和严格的比较。探讨了不同方法的长处和弱点，他们实际运行时间性能也通过基准数据集的实验进行了对比。最后，论文给出一些新颖的和有意义的结论，对用户在其应用中选择适宜的基于链接的相似性度量方法上提供有益的指导。由数据库与智能信息检索实验室完成的这一工作发表在IEEE TKDE上。

附：论文信息 Hongyan Liu, Jun He, Dan Zhu, Charles Ling, Xiaoyong Du. Measuring Similarity Based on Link Information: A Comparative Study, IEEE Transactions on Knowledge and Data Engineering. 2012. (Forthcoming).

注：IEEE Transactions on Knowledge and Data Engineering (TKDE) 期刊是知识和数据工程领域中最具影响力的刊物，主要关注知识发现和数据挖掘、数据库和数据建模、并行分布式数据管理系统、数据密集型可扩展计算系统结构、移动系统、搜索引擎以及数据工程应用等领域的最新研究进展和技术。该期刊每年出版12期，共收录130篇文章左右。