动态属性网络的语义社区发现及演化分析方法OA北大核心CSTPCD
动态属性网络的语义社区发现及演化分析具有重要研究价值,其包含动态社区发现、社区语义解释及社区演化分析三个任务,但现有方法均难以同时实现.针对该问题,提出一种基于联合非负矩阵分解的方法DANNMF(NMF for Dynamic Attributed Networks).DAN-NMF可以统一集成网络拓扑结构信息、节点属性信息及社区演化平滑约束信息,并利用最大最小化优化框架推导相关因子矩阵的迭代更新规则,从而可以直接获得动态社区发现、社区语义解释及社区演化分析结果.在人工合成和真实的动态属性网络进行大量相关实验,结果表明DAN-NMF比最优的基准方法在准确性指标上至少提高了7.3%.此外,在真实动态属性网络上的相关数据分析结果也表明DAN-NMF能够有效地发现动态社区的演化模式,并提供丰富的社区语义解释.
贺超波;成其伟;程俊伟;杨佳琦;程颢;汤庸;
华南师范大学计算机学院,广东广州510631 琶洲实验室,广东广州510335维沃移动通信有限公司,广东东莞523859华南师范大学计算机学院,广东广州510631
计算机与自动化
动态属性网络动态社区发现社区语义解释社区演化分析非负矩阵分解
《电子学报》 2024 (011)
P.3757-3768 / 12
国家自然科学基金(No.62077045)。
评论