[發明專利]一種基于深度學習的加權網絡社區發現方法及裝置

有效

• 申請號: 202010133626.5
• 申請日: 2020-02-28
• 公開（公告）號: CN111371611B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 蔣來源;李樹棟;吳曉波;韓偉紅;方濱興;田志宏;殷麗華;顧釗銓;仇晶;王樂;李默涵;唐可可
• 申請（專利權）人: 廣州大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.一種基于深度學習的加權網絡社區發現方法，其特征在于，包括：

對給定的加權網絡圖進行預處理，得到二階鄰相似度矩陣；所述對給定的加權網絡圖進行預處理，得到二階鄰相似度矩陣，具體為：分析所述加權網絡圖中節點間的聯系，獲取加權鄰接矩陣和無權鄰接矩陣；根據所述加權鄰接矩陣和所述無權鄰接矩陣的平方，得到二階鄰居權重矩陣；根據所述加權鄰接矩陣和所述二階鄰居權重矩陣，得到所述二階鄰相似度矩陣；

訓練深度稀疏自編碼器；所述訓練深度稀疏自編碼器，具體為：分析所述加權網絡圖中節點間的聯系，獲取加權鄰接矩陣和無權鄰接矩陣；根據所述加權鄰接矩陣和所述無權鄰接矩陣，得到模塊度矩陣和無權二階鄰鄰接矩陣；使用所述二階鄰相似度矩陣、所述模塊度矩陣和所述無權二階鄰鄰接矩陣訓練所述深度稀疏自編碼器；

通過所述深度稀疏自編碼器提取所述二階鄰相似度矩陣的低維特征，得到低維特征矩陣；

根據聚類算法對所述低維特征矩陣進行聚類，得到社區發現結果。

2.如權利要求1所述的基于深度學習的加權網絡社區發現方法，其特征在于，所述聚類算法包括K-means聚類算法。

3.一種基于深度學習的加權網絡社區發現裝置，其特征在于，包括：

預處理模塊，用于對給定的加權網絡圖進行預處理，得到二階鄰相似度矩陣；所述對給定的加權網絡圖進行預處理，得到二階鄰相似度矩陣，具體為：分析所述加權網絡圖中節點間的聯系，獲取加權鄰接矩陣和無權鄰接矩陣；根據所述加權鄰接矩陣和所述無權鄰接矩陣的平方，得到二階鄰居權重矩陣；根據所述加權鄰接矩陣和所述二階鄰居權重矩陣，得到所述二階鄰相似度矩陣；

訓練模塊，用于訓練深度稀疏自編碼器；所述訓練深度稀疏自編碼器，具體為：分析所述加權網絡圖中節點間的聯系，獲取加權鄰接矩陣和無權鄰接矩陣；根據所述加權鄰接矩陣和所述無權鄰接矩陣，得到模塊度矩陣和無權二階鄰鄰接矩陣；使用所述二階鄰相似度矩陣、所述模塊度矩陣和所述無權二階鄰鄰接矩陣訓練所述深度稀疏自編碼器；

特征提取模塊，用于通過所述深度稀疏自編碼器提取所述二階鄰相似度矩陣的低維特征，得到低維特征矩陣；

聚類模塊，用于根據聚類算法對所述低維特征矩陣進行聚類，得到社區發現結果。

4.如權利要求3所述的基于深度學習的加權網絡社區發現裝置，其特征在于，所述聚類算法包括K-means聚類算法。