以社区发现为导向的网络嵌入模型研究

发布时间：2024-03-26 04:36

　　利用网络嵌入模型可以将节点信息表示为低维稠密的向量空间,来支持基于图的分类、聚类、链路预测和社区发现等任务。然而,现有的网络嵌入模型大多只考虑节点拓扑结构,缺乏有针对性地为特定任务提供有效的嵌入表示。为此,提出了一种以社区发现为导向的网络嵌入模型(Community Detection-oriented Network Embedding,CDNE),将节点属性特征、拓扑特征与社区特征充分结合,基于非负矩阵分解来获取节点的向量表示,同时体现了网络的局部特征与全局特征。此外,提出了一种基于CDNE的两阶段社区发现算法:第一阶段为合并社区,基于模块度增量最大化标准确定待合并社区;第二阶段基于待合并社区重新构建网络。通过两个阶段的交替迭代执行,来提高社区发现的准确性。在真实数据集上设计实验,结果表明所提出的关键技术的可行性和有效性。

【文章页数】：5 页

【部分图文】：

图4Cornell中参数α?β对NMI的影响Cornell0.70.6

种综合链接和内容的社区发现算法。6.4对实验结果与分析1）参数敏感性分析以下在Cornell数据集上进行了CDNE的参数敏感性分析。α?β分别控制节点属性、社区特征的贡献度；由图可知，当α=1，β=2时可取到NMI最大值为0.368。2）对比算法实验结果分析本文将CDNE与四种基....

本文编号：3939371