一种基于网络嵌入的社区发现方法

论文摘要

社区发现是社会网络分析的重要任务,有助于理解中观尺度的网络结构.现有的诸多社区发现方法仅考虑网络的拓扑信息,忽略了网络中每个节点所包含的属性信息.为此,本研究首先基于社会网络的拓扑结构信息与节点属性信息分别构建初始特征矩阵;然后基于网络嵌入模型,融合初始特征矩阵的主成分信息,构建共识嵌入矩阵;最后,给出社会网络中"领袖节点"的泛化定义形式,并提出一种改进的图聚类算法（LIK-means）挖掘社会网络中潜在的社区结构.实验表明,LIKmeans较其他经典算法有较好的可扩展性,同时在真实社会网络中的社区识别精度更高.

论文目录

• 0引言
• 1相关工作
•   1.1复杂网络潜在社区挖掘方法
•   1.2属性图聚类方法
•   1.3基于网络嵌入的方法
• 2问题定义
• 3基于网络嵌入的社区发现方法
•   3.1网络嵌入模型
•   3.2“领袖节点”定义
•   3.3算法描述
•   3.4算法时间复杂度分析
• 4实验分析
•   4.1实验数据集
•   4.2基准方法和评价指标
•   4.3实验结果
• 5结论

文章来源

类型: 期刊论文

作者: 王瑞国,叶雅玲,卜湛

关键词: 社区发现,网络嵌入,领袖节点,算法

来源: 聊城大学学报(自然科学版) 2019年04期

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 南京财经大学软件工程系

基金: 国家自然科学基金面上项目(71871109,71871233)资助

分类号: O157.5;TP301.6

DOI: 10.19728/j.issn1672-6634.2019.04.012

页码: 72-80

总页数: 9

文件大小: 252K

下载量: 182