ノードの属性を持つネットワークにおける共同行列因数分解に基づくコミュニティ検出【Powered by NICT】

Chang Zhenchao; Chen Hongchang; Liu Yang; Yu Hongtao; Huang Ruiyang

文献

J-GLOBAL ID：201602267905358831 整理番号：16A0337024

ノードの属性を持つネットワークにおける共同行列因数分解に基づくコミュニティ検出【Powered by NICT】

Community detection based on joint matrix factorization in networks with node attributes

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで

著者 (5件)： , , , ,
資料名：
巻： 64 号： 21 ページ： 218901-1-218901-10 発行年： 2015年
JST資料番号： B0628A ISSN： 1000-3290 CODEN： WLHPA 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)

社会的ネットワークの分野における重要な問題は,コミュニティ検出である。コミュニティ検出の問題の目標は,ネットワークをグラフの高密度領域に分割することにある。このような高密度領域は典型的に各他の密接に関連するエンティティに対応し,従ってコミュニティに属するといえる。コミュニティ検出は生物学計算と社会ネットワークで大いに重要である。コミュニティを検出する方法の多くされてきた。ソーシャルメディアネットワークにおけるコミュニティを検出するとき,利用できる情報の2の可能な源である:ネットワークリンク構造,およびノードの特性と属性。ソーシャルメディアネットワークにおけるノードは,多くの属性情報の,コミュニティ検出過程のための前例のない機会と柔軟性を示した。グラフにおけるちょう密な領域を決定するために幾つかのコミュニティ検出アルゴリズムは,ノード間のリンクのみを使用した。そのような方法は典型的に下にあるソーシャルメディアネットワークの結合構造に基づいている。いくつかの他のコミュニティ検出アルゴリズムは,ノードに「属性を利用するノードをクラスタ化し,すなわち,同じ属性を用いてノードは同じクラスターに置くであろうとする可能性がある。通常の方法は2の源の1つを使用するのみまたは異なる源に基づくコミュニティ検出の結果を組み合わせる簡単な線形が,ノード特性とコミュニティを効果的に検出できない。近年,マトリックス因数分解(MF)は,データマイニングおよび情報検索分野からかなりの関心を集めている。MFは,文書クラスタリング,画像表示,および他の分野での応用に成功した。本論文では,コミュニティ検出過程よりもより良いスーパービジョンとしてノード属性を用いて,関節行列因数分解(CDJMF)に基づくアルゴリズムを提案した。著者らの方法は,リンクとノードの属性の2の異なる情報源は同一ノード「加盟マトリックスを得ることができるという仮定に基づいている。この仮定は合理的であり,2の異なる情報源間の内部関係に,コミュニティ検出の性能を大幅に改善することができるベースを解釈することができる。;著者らはまた,3種類の実際のソーシャルネットワークに関するいくつかの実験を行うData from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

数理物理学

, , , ,

前のページに戻る