融合结构与属性视图的可重叠社区发现算法

• 作者: 昌阳 马慧芳
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 视图 可重叠 子空间 聚类 社区发现
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1506-1513
• 页数: 8页
• 分类号: TP391
• 字数: 7663字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.08.022

摘要

社区发现算法是发现社区内部结构和组织原则的基本工具.现有的基于模型的算法和基于优化的算法通常考虑2种信息源,即网络结构和节点属性,以获得具有更密集的网络结构和相似属性信息的社区.然而此类算法在聚类过程中无法自动确定结构与属性之间的相对重要性,以揭示子空间,因此检测到的社区质量还需提升.将子空间集成到一个重叠社区发现框架中,设计了自适应结构和属性权重策略,有效地揭示子空间,从而发现多样性的社区.在人工和真实网络上进行了广泛的实验,进一步分析验证了揭示子空间对于捕获更好的社区的重要性,说明了本文算法的合理性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马慧芳	西北师范大学计算机科学与工程学院	59	520	12.0	21.0
5	昌阳	西北师范大学计算机科学与工程学院	2	1	1.0	1.0