应用非负矩阵分解模型的社区发现方法综述

摘要：

非负矩阵分解(nonnegative matrix factorization,NMF)在提取高维数据中隐含模式和结构方面具有良好性能,已成为数据挖掘领域的热点研究之一.NMF作为无监督学习的有效工具,在模式识别、文本处理、多媒体数据分析以及生物信息学等研究领域得到了广泛应用.目前,已有工作将NMF模型应用于网络数据挖掘,发现网络中隐含的社区结构.对基于NMF的社区发现方法进行了总结,包括无监督的社区发现方法和半监督的社区发现方法,通过在实际网络和人工网络进行实验,比较分析了不同算法的性能,进一步研究了当前基于NMF发现社区结构所面临的挑战,并对下一步研究方向进行了展望.

关键词：数据挖掘、非负矩阵分解、社区发现

所属期刊栏目：10

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos.61473030,61370129;the Fundamental Research Funds for the Central Universities of China under Grant Nos.K15JB00070,2014JBM031;the Opening Project of State Key Laboratory of Digital Publishing Technology

在线出版日期：2016-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1-13