Homophily Preserving Community Detection
Homophily Preserving Community Detection
复制标题
同质性保持社区检测
DOI：
10.1109/tnnls.2019.2933850
复制
发表时间：
2020-08
影响因子：
10.4
通讯作者：
Zhou Yuren
中科院分区：
文献类型：
--
作者：
Ye Fanghua;Chen Chuan;Wen Zhiyuan;Zheng Zibin;Chen Wuhui;Zhou Yuren
社区发现作为社会网络分析中的一个基本问题，近年来引起了广泛的关注，并产生了大量的社区发现方法。然而，大多数现有方法都是通过仅利用链路拓扑来开发的，而没有考虑节点同构性（即，节点相似性）。因此，许多有用的信息，可以用来提高检测到的社区的质量被忽略。为了克服这一局限性，我们提出了一种新的社区检测方法的基础上的非负矩阵分解（NMF），即，保同态NMF（HPNMF），模型不仅链路拓扑结构，但节点的同态网络。因此，HPNMF能够更好地反映社区结构的内在属性。为了从零开始捕获节点的同质性，我们提供了三个相似性度量，自然揭示了节点之间的关联关系。我们进一步提出了一个有效的学习算法的收敛保证，以解决所提出的模型。最后，进行了大量的实验，结果表明，HPNMF具有较强的能力，优于国家的最先进的基线方法。
As a fundamental problem in social network analysis, community detection has recently attracted wide attention, accompanied by the output of numerous community detection methods. However, most existing methods are developed by only exploiting link topology, without taking node homophily (i.e., node similarity) into consideration. Thus, much useful information that can be utilized to improve the quality of detected communities is ignored. To overcome this limitation, we propose a new community detection approach based on nonnegative matrix factorization (NMF), namely, homophily preserving NMF (HPNMF), which models not only link topology but also node homophily of networks. As such, HPNMF is able to better reflect the inherent properties of community structure. In order to capture node homophily from scratch, we provide three similarity measurements that naturally reveal the association relationships between nodes. We further present an efficient learning algorithm with convergence guarantee to solve the proposed model. Finally, extensive experiments are conducted, and the results demonstrate that HPNMF has strong ability to outperform the state-of-the-art baseline methods.
登录
查看更多内容
具有域选择的多域网络半监督分类方法
DOI：
10.1109/tnnls.2018.2837166
发表时间：
2019
影响因子：
10.4
作者：
Chen Chuan;Xin Jingxue;Wang Yong;Chen Luonan;Ng Michael K
通讯作者：
Ng Michael K
影响因子：
3.7
作者：
M. Timmerman
通讯作者：
M. Timmerman
影响因子：
3.2
作者：
Abdi, Herve;Williams, Lynne J.
通讯作者：
Williams, Lynne J.
影响因子：
2.4
作者：
Raghavan, Usha Nandini;Albert, Reka;Kumara, Soundar
通讯作者：
Kumara, Soundar
DOI：
10.1142/9789812791764_0009
发表时间：
2008-03
期刊：
--
影响因子：
--
作者：
Martin Sewell
通讯作者：
Martin Sewell