基于KL散度矩阵迹的潜映射半监督社区发现

摘要：

为提高社区发现算法的计算效率和发现性能,提出一种基于潜空间映射的半监督社区发现梯度下降算法.基于潜空间表示形式构建基于潜空间映射的半监督社区发现框架,并使用KL散度对潜空间顶点相似度进行评价,获得三元组表示形式,基于矩阵迹和Frobenius范数,构建半监督社区发现梯度下降算法的优化规则,以实现目标函数局部极小值点的快速获取,提高算法在大规模社区发现中的实用价值,给出算法计算复杂度理论分析.实验结果表明,与局部社区结构发现算法、格文-纽曼算法、标签传播算法等算法相比,该算法具有更好的社区发现性能.

关键词：潜空间、特征映射、半监督、社区发现、梯度下降

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省科技计划项目2015CFB209

在线出版日期：2018-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：296-302