融合内容与嵌入强化拓扑的半监督社团检测

TP391; 挖掘网络中的社团结构是复杂网络分析的关键任务,但在现实应用中如何进一步提高社团检测性能仍极具挑战性.鉴于属性网络中的节点内容和网络嵌入均蕴含有社团结构信息,提出一种基于非负矩阵分解融合节点内容和嵌入强化拓扑的半监督方法.首先,基于生成框架重构拓扑和内容,以构建融合拓扑和内容的基本模型;然后,利用拓扑相似性构造 must-link先验信息,同时由 Node2Vec计算网络嵌入;最后,使用矩阵补全技术将先验信息和网络嵌入引入模型,形成融合内容、网络嵌入的半监督社团检测模型.在合成和真实网络上的实验结果充分验证了新模型的良好竞争力....

Full description

Saved in:
Bibliographic Details
Published in郑州大学学报（理学版） Vol. 56; no. 6; pp. 46 - 53
Main Authors 许伟忠, 陆杨, 曹金鑫, 鞠恒荣, 丁卫平, 金弟
Format Journal Article
LanguageChinese
Published 南通大学 信息科学技术学院 江苏 南通 226019%天津大学 智能与计算学部 天津 300350 01.11.2024
Subjects
node content
属性网络
semi-supervised
嵌入强化
embedding rein-forcement
半监督
attributed network
community detection
社团检测
节点内容
Online AccessGet full text
ISSN1671-6841
DOI10.13705/j.issn.1671-6841.2023143

Cover

More Information
Summary:TP391; 挖掘网络中的社团结构是复杂网络分析的关键任务,但在现实应用中如何进一步提高社团检测性能仍极具挑战性.鉴于属性网络中的节点内容和网络嵌入均蕴含有社团结构信息,提出一种基于非负矩阵分解融合节点内容和嵌入强化拓扑的半监督方法.首先,基于生成框架重构拓扑和内容,以构建融合拓扑和内容的基本模型;然后,利用拓扑相似性构造 must-link先验信息,同时由 Node2Vec计算网络嵌入;最后,使用矩阵补全技术将先验信息和网络嵌入引入模型,形成融合内容、网络嵌入的半监督社团检测模型.在合成和真实网络上的实验结果充分验证了新模型的良好竞争力.
ISSN:1671-6841
DOI:10.13705/j.issn.1671-6841.2023143