应用非负值矩阵分解模型的社区挖掘方法

被引：4

作者：

贺超波 ^{[1
,2
]}

汤庸 ^{[3
,2
]}

沈玉利 ^{[1
]}

石玉强 ^{[1
]}

机构：

[1] 仲恺农业工程学院信息科学与技术学院

[2] 广东省服务计算工程技术研究中心

[3] 华南师范大学计算机学院

来源：

小型微型计算机系统 | 2014年 / 35卷 / 06期

基金：

广东省自然科学基金;

关键词：

社交网络; 社区挖掘; 非负值矩阵分解;

D O I：

暂无

中图分类号：

O151.21 [矩阵论]; TP393.09 [];

学科分类号：

070104 ; 080402 ;

摘要：

在线社交网络增长迅速,对其进行社区挖掘对于了解网络结构特征具有重要意义.提出一种基于非负值矩阵分解的社区挖掘方法,能够将社交网络矩阵分解为适合于发现用户与社区所属关系以及社区之间重叠关系的矩阵组合形式.该方法应用迭代更新规则对分解矩阵进行了优化求解,并证明了更新规则的收敛性.另外针对社交网络存在的无标度特性,通过利用用户节点属性信息计算用户间的相似性,对大量孤立用户建立隐式联系,可以将孤立用户纳入统一的挖掘框架进行社区划分,从而解决了孤立用户无法准确划分社区的问题.相关实验以及实际应用表明该方法可以有效对现实中的在线社交网络进行社区挖掘.

引用

页码：1275 / 1280

页数：6

共 7 条

[1] 基于统计推理的社区发现模型综述 [J].

柴变芳 ;

贾彩燕 ;

于剑 .

计算机科学, 2012, 39 (08) :1-7+30

[2] 基于带权图的层次化社区并行计算方法 [J].

林旺群 ;

卢风顺 ;

丁兆云 ;

吴泉源 ;

周斌 ;

贾焰 .

软件学报, 2012, 23 (06) :1517-1530

[3] 一种有效的社会网络社区发现模型和算法 [J].

林友芳 ;

王天宇 ;

唐锐 ;

周元炜 ;

黄厚宽 .

计算机研究与发展, 2012, (02) :337-345

[4] 在线社交网络社区的启发式挖掘框架 [J].

黄发良 ;

肖南峰 .

小型微型计算机系统, 2011, 32 (12) :2396-2399

[5] 基于局部探测的快速复杂网络聚类算法 [J].

金弟 ;

刘大有 ;

杨博 ;

刘杰 ;

何东晓 ;

田野 .

电子学报, 2011, 39 (11) :2540-2546

[6]

复杂网络社区挖掘—基于聚类融合的遗传算法 [J]. 何东晓,周栩,王佐,周春光,王喆,金弟.&nbsp&nbsp自动化学报. 2010(08)

[7] 基于谱聚类的复杂网络社团发现算法 [J].

蔡晓妍 ;

戴冠中 ;

杨黎斌 .

计算机科学, 2009, 36 (09) :49-50+95

← 1 →