结构扩展的非负矩阵分解社区发现算法

• 作者: 林晓炜 陈黎飞
• 来源期刊: 山东大学学报（工学版）
• 关键词: 复杂网络 社区发现 非负矩阵分解 特征矩阵 结构扩展 图正则化
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning&Data Mining
• 页码范围: 57-64,73
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.231

摘要

提出结构扩展的非负矩阵分解社区发现算法(nonnegative matrix factorization with structure extension,NMF-SE),通过结构扩展,加强相邻节点结构相似性,提高节点间连接的稠密度,从而提高非负矩阵分解在社区发现中的表现.结构扩展过程使节点将自身结构以一定的比例传递给周围的节点,从而使相邻节点间能够得到对方的拓扑结构信息.该过程构造了新的特征矩阵,使非负矩阵分解(nonnegative matrix factorization,NMF)更好地适用于社区发现,在图正则化的半监督任务中能更好地融合先验信息.在人工网络和真实网络上进行试验验证的结果表明,NMF-SE算法有效提高了复杂网络社区发现的准确性.