一种集成链接和属性信息的社区挖掘方法

发布时间：2018-02-28 01:38

  本文关键词： 社区挖掘 非负矩阵分解 复杂网络 链接信息 属性信息　出处：《计算机学报》2017年03期 　论文类型：期刊论文

【摘要】：现有复杂网络社区挖掘方法由于单一利用节点链接信息或属性信息,从而无法有效发现成员链接紧密且属性高度相同的社区,针对该问题提出一种可集成节点链接和属性信息进行社区挖掘的方法:LANMF.LANMF基于非负矩阵分解模型,以联合矩阵分解的形式统一分解复杂网络节点链接矩阵以及属性关联矩阵,可直接获得节点与社区归属关系矩阵以及属性与社区关联矩阵,社区成员在链接结构紧密度以及属性相关性上可得到很好的保证.设计了乘性迭代更新规则作为联合矩阵分解优化算法并从数学上严格证明了其正确性和收敛性.实验结果表明:LANMF的社区挖掘质量优于现有典型的同类社区挖掘方法,能直接有效挖掘社区,而且实际应用表明LANMF适合用于挖掘现实世界复杂网络中的主题社区以及重叠社区.
[Abstract]:The existing complex network community mining method due to the single node or link information using the attribute information, which cannot effectively find the member link closely and attribute of the community with the same height, this paper presents a method of mining community integration node links and attribute information: LANMF.LANMF non negative matrix factorization model based on the unified form with matrix decomposition the decomposition of complex network node link matrix and attribute correlation matrix, can be obtained directly between the nodes and belonging to the community and community attribute matrix and correlation matrix, community members in the link structure of compact density and attribute correlation can be well guaranteed. The design of multiplicative iterative update rules as a joint optimization algorithm and matrix decomposition in mathematical to prove the correctness and convergence. The experimental results show that LANMF outperforms the existing typical community mining quality The similar community mining method can directly and effectively excavate the community, and the practical application shows that LANMF is suitable for mining the theme communities and overlapping communities in the real world complex network.

【作者单位】： 仲恺农业工程学院信息科学与技术学院;华南师范大学计算机学院;
【基金】：国家“八六三”高技术研究发展计划项目基金(2013AA01A212) 国家自然科学基金(61370178,61370229) 广东省自然科学基金(S2012030006242,2015A030310509) 广东省科技计划项目(2016A030303058,2016A020210130,2015A020209178,2015B010129009,2014B010103004,2014B010117007,2015A030401087,2015B010110002) 广州市云计算安全与测评技术重点实验室开放基金(GZCSKL-1407)资助~~
【分类号】：O157.5

【相似文献】

相关期刊论文 前10条

1 宋金歌;杨景;陈平;佘玉梅;;一种非负矩阵分解的快速稀疏算法[J];云南民族大学学报(自然科学版);2011年04期

2 尹星云;;非负矩阵分解的基本原理和研究现状分析[J];科技资讯;2011年35期

3 程明松;刘勺连;;一种实用快速非负矩阵分解算法[J];大连理工大学学报;2013年01期

4 唐晓芬;陈莉;;最大相关熵非负矩阵分解在基因表达数据聚类中的应用[J];计算机与应用化学;2013年11期

5 曾文梅;;基于半监督非负矩阵分解的人流量分析[J];哈尔滨师范大学自然科学学报;2011年02期

6 孟佳音;刘丁酉;;基于分布估计算法的非负矩阵分解[J];湖北民族学院学报(自然科学版);2012年03期

7 王雪明;王套;;非负矩阵分解的相关讨论[J];湖南农机;2013年09期

8 曹胜玉;刘来福;;非负矩阵分解及其在基因表达数据分析中的应用[J];北京师范大学学报(自然科学版);2007年01期

9 李巧;孔薇;;改进的非负矩阵分解在基因表达数据中的应用[J];信息技术;2010年12期

10 陈清华;陈六君;郭金忠;;二进制约束下的NMF方法及其应用[J];北京师范大学学报(自然科学版);2009年01期

相关会议论文 前10条

1 孙江明;李通化;;非平滑三维非负矩阵分解[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

2 蒋永锴;叶东毅;;基于稀疏非负矩阵分解的自动多文摘方法[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

3 马帅;吴飞;杨易;邵健;;基于稀疏非负矩阵分解的图像检索[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

4 徐利民;龚珊;余再军;;奇异值分解与非负矩阵分解色在数据降维方面的特性分析[A];2010年通信理论与信号处理学术年会论文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非负矩阵分解和支持向量机的轴心轨迹图识别[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

6 蒋霈霖;;KL散度下的非负矩阵分解[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年

8 钱乐乐;高隽;徐小红;;非负性约束的图像稀疏编码[A];第七届全国信息获取与处理学术会议论文集[C];2009年

9 朱昊;黄源水;付梦印;;基于NMF的道路识别算法在野外环境感知中的应用[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

10 郑能恒;蔡毅;李霞;Tan Lee;;基于非负矩阵分解和向量相似测度的语音与音乐分离算法[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

相关博士学位论文 前10条

1 杨士准;基于样本和特征的迁移学习方法及应用[D];国防科学技术大学;2013年

2 叶军;基于正则化方法的非负矩阵分解算法及其应用研究[D];南京理工大学;2014年

3 陆玉武;图像分类中流形回归与非负矩阵分解研究[D];哈尔滨工业大学;2015年

4 张恩德;在线社会网络分析与挖掘若干关键问题研究[D];东北大学;2014年

5 胡俐蕊;非负矩阵分解方法及其在选票图像识别中的应用[D];安徽大学;2013年

6 殷海青;图像分析中的非负矩阵分解理论及其最优化和正则化方法研究[D];西安电子科技大学;2011年

7 杨洪礼;非负矩阵与张量分解及其应用[D];山东科技大学;2011年

8 史加荣;多尺度张量逼近及应用[D];西安电子科技大学;2012年

9 方蔚涛;人脸识别特征抽取算法的研究[D];重庆大学;2012年

10 刘昱昊;基于非负矩阵分解算法的人脸识别技术的研究[D];吉林大学;2014年

相关硕士学位论文 前10条

1 谢昊;非负矩阵分解初始化及其应用[D];暨南大学;2015年

2 王一;凸与半非负矩阵分解的近点梯度方法研究[D];东北师范大学;2015年

3 项磊;基于乳腺癌计算机辅助诊断的病理图像分析[D];南京信息工程大学;2015年

4 王丹;基于非负矩阵分解的脑电信号特征提取算法研究[D];燕山大学;2015年

5 马春霞;非负矩阵分解及在基因表达数据分析中的应用研究[D];曲阜师范大学;2015年

6 崔艳荣;基于非负矩阵分解的高光谱遥感数据融合方法分析及应用[D];电子科技大学;2014年

7 赖淑珍;非负矩阵分解若干算法研究与应用[D];电子科技大学;2014年

8 赵龙;基于多流形正则化非负矩阵分解的多视图聚类[D];大连理工大学;2015年

9 黄震;基于多视角非负矩阵分解的同名区分算法研究[D];大连理工大学;2015年

10 邵强;改进的非负矩阵分解算法及其在人脸识别中的应用[D];河北工业大学;2015年

，

本文编号：1545208