针对复杂网络中基于节点结构特征的角色发现问题,在RolX角色发现算法的基础上,引入节点的局部及全局结构特征进行特征提取,构建节点结构特征矩阵。使用非负矩阵分解对节点结构特征矩阵进行降维,获得对应的节点角色矩阵。选用节点的全局...针对复杂网络中基于节点结构特征的角色发现问题,在RolX角色发现算法的基础上,引入节点的局部及全局结构特征进行特征提取,构建节点结构特征矩阵。使用非负矩阵分解对节点结构特征矩阵进行降维,获得对应的节点角色矩阵。选用节点的全局、局部以及邻居节点重要性评价指标对分析所得的角色进行意义建构。在Facebook及Email-Enron两个数据集上的实验结果表明,该算法在局部以及全局等评价指标上与RolX(Role eXtraction)、GLRD(Guided Learning for Role Discovery)等算法相比,均具有更高的准确性。展开更多
文摘针对复杂网络中基于节点结构特征的角色发现问题,在RolX角色发现算法的基础上,引入节点的局部及全局结构特征进行特征提取,构建节点结构特征矩阵。使用非负矩阵分解对节点结构特征矩阵进行降维,获得对应的节点角色矩阵。选用节点的全局、局部以及邻居节点重要性评价指标对分析所得的角色进行意义建构。在Facebook及Email-Enron两个数据集上的实验结果表明,该算法在局部以及全局等评价指标上与RolX(Role eXtraction)、GLRD(Guided Learning for Role Discovery)等算法相比,均具有更高的准确性。
