文献

J-GLOBAL ID：201802240858147380   整理番号：18A0422237

コミュニティ検出のための混合超グラフ正則化を用いた非負行列因数分解【Powered by NICT】

Nonnegative matrix factorization with mixed hypergraph regularization for community detection

著者 (6件)： Wu Wenhui (Department of Computer Science, City University of Hong Kong, Kowloon, Hong Kong) ,  Kwong Sam (Department of Computer Science, City University of Hong Kong, Kowloon, Hong Kong) ,  Kwong Sam (City University of Hong Kong Shenzhen Research Institute, Shenzhen 51800, China) ,  Zhou Yu (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Jia Yuheng (Department of Computer Science, City University of Hong Kong, Kowloon, Hong Kong) ,  Gao Wei (Department of Computer Science, City University of Hong Kong, Kowloon, Hong Kong)
資料名： Information Sciences  (Information Sciences)
巻： 435  ページ： 263-281  発行年： 2018年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コミュニティ構造はネットワークの最も重要な属性,ネットワークの基本的な構成を発見するのを助けるため同定されしばしばである。現在,非負行列因数分解(NMF)に基づくコミュニティ検出法は関連するトポロジー情報を利用し,ネットワークは潜在的低次元空間,ノードが効率的にクラスター化できるに投影できることを仮定している。本論文では,混合超グラフ正則化非負行列因数分解(MHGNMF)と名付けた新しいフレームワーク,クラスタリング性能を向上させるためにノード間の高次情報を考慮に入れたを提案した。超グラフ正則化項は同じ潜在部分空間への投影すると同一超辺内のノードを,より識別的表現を達成した。提案フレームワークの中で,各セントロイドの二種類の近傍を混合することにより超辺の集合,トポロジカル接続情報と構造的類似性情報の完全利用を生成する。二人工ベンチマークと八件の実世界ネットワーク上の試験により,提案したフレームワークは,その他の最先端レベル手法よりも優れた検出結果を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *超グラフ ,  クラスタ化 ,  位相幾何学 ,  ネットワーク ,  *正則化 ,  ベンチマーク
準シソーラス用語： 構造的類似性 ,  近傍 ,  部分空間 ,  低次元 ,  コミュニティ構造 ,  *非負行列因子分解 ,  *コミュニティ検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： コミュニティ検出 ,  非負行列因数分解 ,  超グラフ正則化

分類 (2件)： 数値計算  (JE02000J) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (4件)： コミュニティ検出 ,  超グラフ ,  正則化 ,  非負行列因数分解