文献类型：期刊文章

作　　者：贺超波[1,2] 汤庸[2] 刘海[2] 赵淦森[2] 陈启买[2] 黄昌勤[2]

机构地区：[1]仲恺农业工程学院信息科学与技术学院,广州510225 [2]华南师范大学计算机学院,广州510631

出　　处：《计算机学报》

基　　金：国家"八六三"高技术研究发展计划项目基金(2013AA01A212);国家自然科学基金(61370178;61370229);广东省自然科学基金(S2012030006242;2015A030310509);广东省科技计划项目(2016A030303058;2016A020210130;2015A020209178;2015B010129009;2014B010103004;2014B010117007;2015A030401087;2015B010110002);广州市云计算安全与测评技术重点实验室开放基金(GZCSKL-1407)资助~~

年　　份：2017

卷　　号：40

期　　号：3

起止页码：601-616

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20172303726666)、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：现有复杂网络社区挖掘方法由于单一利用节点链接信息或属性信息,从而无法有效发现成员链接紧密且属性高度相同的社区,针对该问题提出一种可集成节点链接和属性信息进行社区挖掘的方法:LANMF.LANMF基于非负矩阵分解模型,以联合矩阵分解的形式统一分解复杂网络节点链接矩阵以及属性关联矩阵,可直接获得节点与社区归属关系矩阵以及属性与社区关联矩阵,社区成员在链接结构紧密度以及属性相关性上可得到很好的保证.设计了乘性迭代更新规则作为联合矩阵分解优化算法并从数学上严格证明了其正确性和收敛性.实验结果表明:LANMF的社区挖掘质量优于现有典型的同类社区挖掘方法,能直接有效挖掘社区,而且实际应用表明LANMF适合用于挖掘现实世界复杂网络中的主题社区以及重叠社区.

关 键 词：社区挖掘  非负矩阵分解 复杂网络 链接信息 属性信息

分 类 号：TP391]