正则化度修正随机块模型的演化网络社团发现

• 作者: 戴维迪 李晓明 焦鹏飞 王亭亭
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 演化网络 演化分析 社团发现 模型选择 随机块模型 节点特性
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 134-138
• 页数: 5页
• 分类号: TP18
• 字数: 4120字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.08.025

摘要

目前大多数用于社团发现问题的模型只适用于静态网络而忽视了时序信息,因此,无法较好地建模真实世界数据.针对该问题,提出一种基于度修正随机块模型的演化社团发现模型.根据演化聚类框架的原理,基于社团隶属矩阵将一个正则项引入到度修正随机块模型的目标函数中.利用网络交叉验证方法进行模型选择,处理社团个数随时间变化的演化网络,从而克服由于假定社团个数为常量而导致的与真实世界数据不相符合的问题.实验结果表明,与经典的动态随机块模型和FacetNet相比,该模型具有较高的准确性和较低的误差率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴维迪	天津大学计算机科学与技术学院	14	116	6.0	10.0
3	李晓明	天津大学计算机科学与技术学院	9	184	4.0	9.0
4	王亭亭	天津大学计算机科学与技术学院	2	1	1.0	1.0
7	焦鹏飞	天津大学计算机科学与技术学院	1	0	0.0	0.0