基于深度游走模型的标签传播社区发现算法

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.

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

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61272277

在线出版日期：2018-07-02（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：220-225,232