作者
东北大学
- Yue Kou
- De-Rong Shen
- Dong Li
- Tie-Zheng Nie
- Ge Yu
摘要
社区发现是社交网路分析中的重要任务。但是，大多数现有的社区发现算法仅以来于拓扑结构。这些方法忽略了内容数据。为了解决这一问题，本文提出了一种基于异构信息网络分解和嵌入的社区发现方法。与传统方法不同，我们的方法考虑了拓扑、节点内容和边内容，可以为社区发现提供丰富的证据。首先基于嵌入提出了一直相似度评估方法，将异构信息网络分解为几个子网，并提取其潜在的深度表示，以评估节点之间的相似性。第二，提出了一个自下而上的社区发现算法。通过领导者节点选择，初始社区生成和社区扩展，可以更有效地找到社区。第三，提出了针对网络变化的一些增量维护策略。我们基于三个现实世界的社交网络进行实验研究。实验证明了我们提出的方法的有效性和效率。与传统方法相比，我们方法对标准化互信息（NMI）和模块度上平均提高了12%和37%。
来源：oschina
链接：https://my.oschina.net/u/4409432/blog/4359390