复杂网络社区挖掘作为近年的研究热点,重叠社区检测有重要的现实意义.传统社区发现方法将所有节点精确地划分到每一个子类中,形成非重叠划分.但硬划分方法较难处理含有不确定信息和噪声信息的复杂情况.而目前采用网络嵌入的方法进行重...复杂网络社区挖掘作为近年的研究热点,重叠社区检测有重要的现实意义.传统社区发现方法将所有节点精确地划分到每一个子类中,形成非重叠划分.但硬划分方法较难处理含有不确定信息和噪声信息的复杂情况.而目前采用网络嵌入的方法进行重叠社区发现的研究较少,针对社区漂移和边界不确定的问题,提出了一种结合粗糙粒化的网络嵌入社区发现方法.通过网络嵌入获得融合结构信息和属性信息的节点表示,并将相似的节点映射到距离相近的低维连续的向量空间.然后,结合粗糙粒化的思想,考虑网络结构和节点上的多层次信息来处理社区边界上的不确定性区域,最终生成重叠社区.在网络公开数据集和人工数据集的实验结果都表明,提出的粗糙粒化的网络嵌入(network embedding based on rough granulation,RGNE)社区发现方法具有更高的精度,并可有效地处理不确定性网络的社区发现问题.最后,对影响实验效果的参数设置进行了详细讨论分析.展开更多
文摘复杂网络社区挖掘作为近年的研究热点,重叠社区检测有重要的现实意义.传统社区发现方法将所有节点精确地划分到每一个子类中,形成非重叠划分.但硬划分方法较难处理含有不确定信息和噪声信息的复杂情况.而目前采用网络嵌入的方法进行重叠社区发现的研究较少,针对社区漂移和边界不确定的问题,提出了一种结合粗糙粒化的网络嵌入社区发现方法.通过网络嵌入获得融合结构信息和属性信息的节点表示,并将相似的节点映射到距离相近的低维连续的向量空间.然后,结合粗糙粒化的思想,考虑网络结构和节点上的多层次信息来处理社区边界上的不确定性区域,最终生成重叠社区.在网络公开数据集和人工数据集的实验结果都表明,提出的粗糙粒化的网络嵌入(network embedding based on rough granulation,RGNE)社区发现方法具有更高的精度,并可有效地处理不确定性网络的社区发现问题.最后,对影响实验效果的参数设置进行了详细讨论分析.
