模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2022, Vol. 35 Issue (3): 283-290    DOI: 10.16451/j.cnki.issn1003-6059.202203008
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于双监督网络嵌入的社区发现算法
郑文萍1,2,3, 王英楠1, 杨贵1
1.山西大学 计算机与信息技术学院 太原 030006;
2.山西大学 计算智能与中文信息处理教育部重点实验室 太原 030006;
3.山西大学 智能信息处理研究所 太原 030006
Dual Supervised Network Embedding Based Community Detection Algorithm
ZHENG Wenping1,2,3, WANG Yingnan1, YANG Gui1
1. School of Computer and Information Technology, Shanxi University, Taiyuan 030006;
2. Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, Shanxi University, Taiyuan 030006;
3. Institute of Intelligent Information Processing, Shanxi University, Taiyuan 030006

全文: PDF (1001 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对基于网络嵌入的社区检测算法中节点嵌入和聚类过程独立进行时容易陷入局部极值的问题,文中提出基于双监督网络嵌入的社区发现算法.首先利用图自编码器,得到可保持网络的一阶相似性的节点嵌入.优化模块度,发现拓扑连接紧密的社区.采用自监督聚类优化,发现嵌入空间上相似的社区.引入互监督机制,使发现的社区在模块度优化和自监督聚类这两个角度上具有一致性,同时避免算法陷入局部极值.4个真实网络上的对比实验表明,DSNE性能较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
郑文萍
王英楠
杨贵
关键词 社区发现网络嵌入图自编码器模块度    
Abstract:A network embedding based community detection algorithm is easy to fall into local extremes during the independent node embedding or clustering process. Aiming at this problem, a dual supervised network embedding based community detection algorithm(DSNE) is proposed. Firstly, a graph auto-encoder is utilized to gain the embedding of nodes to maintain the first-order similarity of the network. Then, the modularity is optimized to find the communities with nodes tightly connected. The communities with similar nodes in the embedding space are discovered by self-supervised clustering optimization. A mutual supervision mechanism is introduced into DSNE to keep the consistency between the discovered communities in modularity optimization and self-supervised clustering and prevent the algorithm from falling into local extremes. Results of comparative experiments show DSNE exhibits better performance on 4 real complex networks.
Key wordsCommunity Detection    Network Embedding    Graph Auto-Encoder    Modularity   
收稿日期: 2021-04-28     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.62072292)、山西省1331工程项目资助
通讯作者: 郑文萍,博士,教授,主要研究方向为复杂网络分析、生物信息学.E-mail: wpzheng@sxu.edu.cn.   
作者简介: 王英楠,硕士研究生,主要研究方向为图神经网络、社区发现.E-mail:1291533544@qq.com.
杨 贵,博士,高级实验师,主要研究方向为数据挖掘、生物信息学.E-mail:gyang@sxu.edu.cn.
引用本文:   
郑文萍, 王英楠, 杨贵. 基于双监督网络嵌入的社区发现算法[J]. 模式识别与人工智能, 2022, 35(3): 283-290. ZHENG Wenping, WANG Yingnan, YANG Gui. Dual Supervised Network Embedding Based Community Detection Algorithm. Pattern Recognition and Artificial Intelligence, 2022, 35(3): 283-290.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202203008      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I3/283
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn