本文主要研究内容
作者黄海杰（2019）在《基于嵌入向量和标签传播的社区发现》一文中研究指出：复杂网络存在于现实生活的各个方面,并随着社会的进步在规模上不断增大。小到生物体内细胞间的相互作用,大到个人乃至国家之间的社会关系,都能以复杂网络的形式把个体和整体的关系表达出来,因此,复杂网络变得越来越重要。在复杂网络中,社区结构是一个非常重要的特性,可以帮助解决很多的实际问题。社区结构既能表达网络中节点行为的局部特征,也可以反映出节点之间的相互关系。研究者早在上世纪就开始了对复杂网络中社区结构的研究,涌现出了非常多的优秀成果。研究社区结构可以帮助我们理解复杂网络的结构和功能,并且对网络节点间相互作用的分析和预测起着至关重要的作用。近些年来,研究者从不同角度出发,提出了大量的社区发现算法,其中标签传播算法就是一类经典的算法。该方法思想简单、易于实现,并且具有复杂度低、执行效率高等优点,因此受到了广泛关注。但是,标签传播算法有一个明显的缺点,迭代中节点标签号的更新不稳定,导致社区划分结果差异较大。而在对复杂网络的研究中,网络表示学习是一种非常重要的技术,它通过分布式方法来描述网络,用向量的形式来表示网络中的每一个节点,这些向量之间的关系可以反映出节点之间的重要关系,得出这些相关向量的关键一环是游走策略。近年来关于游走策略的算法不断被提出,node2vec就是其中的一种,它的游走策略非常新颖,结合了宽度优先遍历以及深度优先遍历,充分探索网络的结构特性和节点的相互关系。本文将嵌入向量与标签传播算法相结合,通过node2vec算法训练得到的向量对网络中节点间的相似度进行计算,将此信息运用到标签更新规则上。此外,在node2vec方法中,通过对参数的控制,可以考虑到网络中节点之间的同质性和结构相似性,并在得到的向量中表达。本文提出的算法在几个公开标准数据集上进行实验,对比了已有的社区发现算法。实验结果表明,该算法具有较好的运行效率,对于社区的划分效果更佳。
Abstract
fu za wang lao cun zai yu xian shi sheng huo de ge ge fang mian ,bing sui zhao she hui de jin bu zai gui mo shang bu duan zeng da 。xiao dao sheng wu ti nei xi bao jian de xiang hu zuo yong ,da dao ge ren nai zhi guo jia zhi jian de she hui guan ji ,dou neng yi fu za wang lao de xing shi ba ge ti he zheng ti de guan ji biao da chu lai ,yin ci ,fu za wang lao bian de yue lai yue chong yao 。zai fu za wang lao zhong ,she ou jie gou shi yi ge fei chang chong yao de te xing ,ke yi bang zhu jie jue hen duo de shi ji wen ti 。she ou jie gou ji neng biao da wang lao zhong jie dian hang wei de ju bu te zheng ,ye ke yi fan ying chu jie dian zhi jian de xiang hu guan ji 。yan jiu zhe zao zai shang shi ji jiu kai shi le dui fu za wang lao zhong she ou jie gou de yan jiu ,chong xian chu le fei chang duo de you xiu cheng guo 。yan jiu she ou jie gou ke yi bang zhu wo men li jie fu za wang lao de jie gou he gong neng ,bing ju dui wang lao jie dian jian xiang hu zuo yong de fen xi he yu ce qi zhao zhi guan chong yao de zuo yong 。jin xie nian lai ,yan jiu zhe cong bu tong jiao du chu fa ,di chu le da liang de she ou fa xian suan fa ,ji zhong biao qian chuan bo suan fa jiu shi yi lei jing dian de suan fa 。gai fang fa sai xiang jian chan 、yi yu shi xian ,bing ju ju you fu za du di 、zhi hang xiao lv gao deng you dian ,yin ci shou dao le an fan guan zhu 。dan shi ,biao qian chuan bo suan fa you yi ge ming xian de que dian ,die dai zhong jie dian biao qian hao de geng xin bu wen ding ,dao zhi she ou hua fen jie guo cha yi jiao da 。er zai dui fu za wang lao de yan jiu zhong ,wang lao biao shi xue xi shi yi chong fei chang chong yao de ji shu ,ta tong guo fen bu shi fang fa lai miao shu wang lao ,yong xiang liang de xing shi lai biao shi wang lao zhong de mei yi ge jie dian ,zhe xie xiang liang zhi jian de guan ji ke yi fan ying chu jie dian zhi jian de chong yao guan ji ,de chu zhe xie xiang guan xiang liang de guan jian yi huan shi you zou ce lve 。jin nian lai guan yu you zou ce lve de suan fa bu duan bei di chu ,node2vecjiu shi ji zhong de yi chong ,ta de you zou ce lve fei chang xin ying ,jie ge le kuan du you xian bian li yi ji shen du you xian bian li ,chong fen tan suo wang lao de jie gou te xing he jie dian de xiang hu guan ji 。ben wen jiang qian ru xiang liang yu biao qian chuan bo suan fa xiang jie ge ,tong guo node2vecsuan fa xun lian de dao de xiang liang dui wang lao zhong jie dian jian de xiang shi du jin hang ji suan ,jiang ci xin xi yun yong dao biao qian geng xin gui ze shang 。ci wai ,zai node2vecfang fa zhong ,tong guo dui can shu de kong zhi ,ke yi kao lv dao wang lao zhong jie dian zhi jian de tong zhi xing he jie gou xiang shi xing ,bing zai de dao de xiang liang zhong biao da 。ben wen di chu de suan fa zai ji ge gong kai biao zhun shu ju ji shang jin hang shi yan ,dui bi le yi you de she ou fa xian suan fa 。shi yan jie guo biao ming ,gai suan fa ju you jiao hao de yun hang xiao lv ,dui yu she ou de hua fen xiao guo geng jia 。
论文参考文献
论文详细介绍
论文作者分别是来自吉林大学的黄海杰，发表于刊物吉林大学2019-06-25论文，是一篇关于复杂网络论文,社区发现论文,嵌入向量论文,标签传播论文,吉林大学2019-06-25论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自吉林大学2019-06-25论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：复杂网络论文; 社区发现论文; 嵌入向量论文; 标签传播论文; 吉林大学2019-06-25论文;