文献

J-GLOBAL ID：201602277691088387   整理番号：16A1050956

分散型非負行列分解に基づく大規模なテーマコミュニティマイニング【JST・京大機械翻訳】

Large-scale topic community mining based on distributed nonnegative matrix factorization

著者 (6件)： He Chaobo (School of Information Science and Technology, Zhongkai University of Agriculture and Engineering) ,  Tang Yong (School of Computer, South China Normal University) ,  Yang Atiao (School of Mathematic and Computer Science, Guizhou Normal University) ,  Zhao Gansen (School of Computer, South China Normal University) ,  Liu Hai (School of Computer, South China Normal University) ,  Huang Changqin (School of Computer, South China Normal University)
資料名： Zhongguo Kexue Xinxi Kexue  (Zhongguo Kexue Xinxi Kexue)
巻： 46  号： 6  ページ： 714-728  発行年： 2016年 
JST資料番号： C2771A  ISSN： 1674-7267  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複雑なネットワークの主題コミュニティマイニングの重要な応用価値を持つ,しかし,既存の方法はスケーラビリティ,効率的に複雑な大規模ネットワークの主題コミュニティ掘削できない。この問題に対して,分散型非負行列分解に基づく1つののテーマコミュニティマイニング方法を提案した:TCMDNMF (COMMUNITY TOPIC MINING BASED ON DISTRIBUTED NONNEGATIVE MATRIX FACTORIZATION),この方法は非負行列分解共同モデルに基づく,有効な統合ノードのリンクとコンテンツ情報マイニングテーマコミュニティを統一化することができる。勾配降下法を採用することにより主題コミュニティマイニングモデルに対してL_1ノルムスパース性として導入を行い,最適化問題を解く,そして正則項のMAPREDUCEに基づく分分散計算フレームワークおよび鍵となるアルゴリズムの計算効率を向上した。実験結果は有効なTCMDNMF有効なテーマコミュニティをマイニングすることができるだけでなく,また高度をスケーラビリティを持っているが,主題の大規模複雑なネットワークコミュニティマイニングがもたらす大データ量の計算の問題をを解決できることを示す。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： コンテンツ ,  最適化問題 ,  ネットワーク ,  最急降下法 ,  ノルム ,  アルゴリズム ,  *コミュニティ
準シソーラス用語： データ量 ,  計算効率 ,  分散計算 ,  スパース性 ,  大規模ネットワーク ,  *行列分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： complex networks ,  topic community mining ,  nonnegative matrix factorization ,  MapReduce ,  gradient descent

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 非負行列 ,  分解 ,  大規模