基于深度游走模型的标签传播社区发现算法

• 作者: 冯曦 刘世超 朱福喜
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度游走模型 随机序列 特征向量 SkipGram模型 节点相似度 传播迭代
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 220-225,232
• 页数: 7页
• 分类号: TP391
• 字数: 5935字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.03.037

摘要

针对传统标签传播算法准确率较低的问题,提出一种基于深度游走模型的改进标签传播算法.以社会网络作为深度游走模型的输入,通过深度随机游走的方式对网络中的节点进行采样得到随机序列,并基于SkipGram模型对其进行神经网络训练.运用层次Softmax对SkipGram模型进行求解,得到节点的特征向量后在邻居节点之间计算节点相似度,将其作为标签传播概率的权重进行标签的传播迭代,最终得到社区发现的结果.在6个真实网络数据集和合成数据集上进行实验,结果表明,与传统标签传播算法相比,该改进算法具有较高的准确率,尤其对于节点个数在100以上的真实网络,Q值提高10％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱福喜	武汉大学计算机学院	46	250	9.0	13.0
3	刘世超	武汉大学计算机学院	12	108	4.0	10.0
6	冯曦	武汉大学计算机学院	2	7	1.0	2.0