属性异构信息网络的半监督协同聚类

摘要：

为实现同时利用属性信息和结构信息完成更精确的协同聚类,提出一种基于属性异构信息网络的半监督协同聚类框架(SCCAIN).首先,设计一种可学习的整体关联度量,其通过元路径和属性投影整合结构关联和属性关联;其次,将约束负矩阵三因式分解引入到具有约束的协同聚类节点中,将相关性度量和协同聚类相结合,以协同聚类结果作为共享因子,并提出一个统一的半监督学习框架,以联合优化协同聚类和相关性测量给定的约束;最后,在不同的数据集上进行仿真实验,实验结果表明,该方法聚类效果较好,从而验证了属性信息和结构信息对能提升协同聚类效果.

关键词：协同聚类;异构信息网络;联合优化;关联度量

所属期刊栏目：59

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金批准号:61702234

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1445-1454