基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
社交网络用户众多,连接关系复杂,挖掘其中的社团结构对于研究网络的结构,分析用户行为特点,揭示信息传播规律都有重要的意义。本文针对有向加权和无向加权网络特点,介绍了基于非负矩阵分解的社团划分算法。真实数据集上的实验表明,算法是有效的,符合人们对网络中人际关系的直观理解,为研究社交网络的结构和关系演变提供了一种有效的方法。
推荐文章
非负矩阵分解及其改进方法
非负矩阵
非负分解
优化函数
迭代方程
基于非负多矩阵分解的微博网络信息推荐
微博网络
推荐
非负多矩阵分解
好友
主题
基于联合矩阵分解的动态异质网络社区发现方法
异质网络
动态网络
社区发现
非负矩阵分解
基于稀疏性非负矩阵分解的故障监测方法
故障监测
非负矩阵分解
主元分析
稀疏编码
统计过程监控
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于非负矩阵分解的社交网络社团发现方法
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 社交网络 社团结构 非负矩阵分解
年,卷(期) 2016,(4X) 所属期刊栏目
研究方向 页码范围 49-50
页数 2页 分类号 TP393.09
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
社交网络
社团结构
非负矩阵分解
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导