融合结构与属性视图的可重叠社区发现算法

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.

关键词：视图、可重叠、子空间、聚类、社区发现

所属期刊栏目：42

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;广西多源信息挖掘与安全重点实验室开放基金;西北师范大学2019年度青年教师科研能力提升计划重大项目;甘肃省高等学校创新基金

在线出版日期：2020-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1506-1513