融合节点属性与结构信息的子空间异常社区检测方法

发布时间：2021-11-01 03:25

　　结合社区中的节点属性与结构信息,提出一种子空间异常社区检测方法。在待检测社区集合中,设计基于属性平均距离的子空间求解策略、基于负熵加权的子空间推断策略及子空间融合求解策略,挖掘每个社区的属性权重子空间,并根据社区结构关系定义社区质量评估模型量化社区质量分数,从而获得质量分数较低的异常社区集合。实验结果表明,该方法可以准确地发现异常社区,并且在人工网络和真实网络数据集上相比AMEN、SODA等检测方法具有更好的鲁棒性和可扩展性。 

【文章来源】：计算机工程. 2020,46(06)北大核心CSCD

【文章页数】：9 页

【文章目录】：
0 概述
1 相关工作
2 属性子空间挖掘
    2.1 问题定义
    2.2 基于属性平均距离的子空间求解策略
    2.3 基于负熵加权的子空间推断策略
    2.4 子空间融合求解策略
3 融合节点属性与结构信息的异常社区检测
4 实验结果与分析
    4.1 实验设置
        4.1.1 数据集
        4.1.2 实验基准及评价指标
    4.2 结果分析
        4.2.1 人工网络分析
        4.2.2 真实网络分析
5 结束语


【参考文献】：
期刊论文
[1]基于结构紧密性的重叠社区发现算法[J]. 潘剑飞,董一鸿,陈华辉,钱江波,戴明洋.  电子学报. 2019(01)
[2]融合标签平均划分距离和结构关系的微博用户可重叠社区发现[J]. 马慧芳,陈海波,赵卫中,邴睿,黄乐乐.  电子学报. 2018(11)
[3]一种集成链接和属性信息的社区挖掘方法[J]. 贺超波,汤庸,刘海,赵淦森,陈启买,黄昌勤.  计算机学报. 2017(03)
[4]一种基于增量式谱聚类的动态社区自适应发现算法[J]. 蒋盛益,杨博泓,王连喜.  自动化学报. 2015(12)
[5]解决文本聚类集成问题的两个谱算法[J]. 徐森,卢志茂,顾国昌.  自动化学报. 2009(07)



本文编号：3469431