学习全局边函数的半监督社区检测

论文摘要

随着在线网络数据量激增,单纯分析网络拓扑结构、节点属性、边属性无法有效认识和理解其内在结构和特性,因此提出基于边函数的半监督社区检测算法。首先将拓扑结构和属性信息统一为先验知识,设计边函数便于引入属性等各类先验知识;在此基础上,结合传统半监督学习框架,采用半正定规划学习全局最优的节点归属矩阵。在人工合成数据、赣南客家数据和基准数据上的实验和分析表明,与已有传统半监督社区检测算法相比,该算法能有效利用各种先验知识,检测社区性能较好,并能较好地抵抗数据退化问题。

论文目录

• 1 学习全局边函数的半监督社区发现
•   1.1 问题描述
•   1.2 融合边函数的目标函数
•   1.3 边函数学习
•     1.3.1 直接设置为核函数
•     1.3.2 半监督聚类边函数学习
•   1.4 半监督社区发现算法
• 2 仿真分析
•   2.1 人工合成数据GN实验
•   2.2 真实数据实验
• 3 结束语

文章来源

类型: 期刊论文

作者: 丁彩英,李泽鹏,刘松华

关键词: 社区检测,先验知识,赣南客家,半监督学习

来源: 太原理工大学学报 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 数学,自动化技术

单位: 太原理工大学信息与计算机学院,兰州大学信息科学与工程学院,北京大学信息科学与技术学院

基金: 国家自然科学基金资助项目(61762047,61873178,61802158),国家重点基础研究发展计划(2013CB329600,2016YFB0800700),江西省教育厅自然科学基金项目(GJJ150686),江西省科技厅青年自然科学基金资助项目(20161BAB211015)

分类号: O157.5;TP181

DOI: 10.16355/j.cnki.issn1007-9432tyut.2019.02.015

页码: 243-250

总页数: 8

文件大小: 3610K

下载量: 48