应用非负矩阵分解模型的社区发现方法综述

• 作者: 于剑 李亚芳 贾彩燕
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 数据挖掘 非负矩阵分解 社区发现
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 综述·探索
• 页码范围: 1-13
• 页数: 13页
• 分类号: TP181
• 字数: 9543字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1505047

摘要

非负矩阵分解(nonnegative matrix factorization,NMF)在提取高维数据中隐含模式和结构方面具有良好性能,已成为数据挖掘领域的热点研究之一.NMF作为无监督学习的有效工具,在模式识别、文本处理、多媒体数据分析以及生物信息学等研究领域得到了广泛应用.目前,已有工作将NMF模型应用于网络数据挖掘,发现网络中隐含的社区结构.对基于NMF的社区发现方法进行了总结,包括无监督的社区发现方法和半监督的社区发现方法,通过在实际网络和人工网络进行实验,比较分析了不同算法的性能,进一步研究了当前基于NMF发现社区结构所面临的挑战,并对下一步研究方向进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于剑	北京交通大学计算机与信息技术学院	68	1099	12.0	32.0
3	贾彩燕	北京交通大学计算机与信息技术学院	23	180	9.0	12.0
7	李亚芳	北京交通大学计算机与信息技术学院	2	11	2.0	2.0