[發(fā)明專利]一種基于潛在結(jié)構(gòu)和屬性的非負矩陣分解社區(qū)檢測方法

在審

• 申請?zhí)枺?/td>: 202211702317.0
• 申請日: 2022-12-29
• 公開（公告）號: CN115935044A
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 陳自剛;肖琪;張鎮(zhèn)江;潘鼎;顏逸;邵鑫;牟覃宇
• 申請（專利權(quán)）人: 重慶郵電大學
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F16/906;G06F16/951;G06F16/901
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于潛在結(jié)構(gòu)和屬性的非負矩陣分解社區(qū)檢測方法，其特征在于，包括如下步驟：

S1、對社區(qū)網(wǎng)絡數(shù)據(jù)進行預處理；

S2、計算社區(qū)網(wǎng)絡的鄰接矩陣A、屬性矩陣T和潛在結(jié)構(gòu)矩陣S；

S3、建立以直系拓撲結(jié)構(gòu)和屬性信息為主、潛在結(jié)構(gòu)為輔的社區(qū)檢測模型；

S4、計算迭代更新規(guī)則；

S5、設置迭代次數(shù)iter，隨機初始化社區(qū)成員矩陣Z_n×k、社區(qū)-社區(qū)矩陣社區(qū)-社區(qū)矩陣和社區(qū)屬性矩陣M_k×t，同時調(diào)節(jié)平衡參數(shù)α、β、γ；

S6、經(jīng)過迭代獲得社區(qū)成員矩陣Z_n×k、社區(qū)-社區(qū)矩陣社區(qū)-社區(qū)矩陣和社區(qū)屬性矩陣M_k×t；

S7、根據(jù)社區(qū)成員矩陣Z獲得社區(qū)檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于潛在結(jié)構(gòu)和屬性的非負矩陣分解社區(qū)檢測方法，其特征在于：步驟S2中，根據(jù)社區(qū)網(wǎng)絡數(shù)據(jù)構(gòu)建鄰接矩陣A_n×n，其中n表示網(wǎng)絡節(jié)點數(shù)，若對于任意節(jié)點v_i與v_j之間存在鏈接關系，則A_ij＝A_ji＝1，反之不存在鏈接關系A_ij＝A_ji＝0，鄰接矩陣表示社區(qū)網(wǎng)絡的直系拓撲結(jié)構(gòu)；根據(jù)社區(qū)網(wǎng)絡數(shù)據(jù)構(gòu)建屬性矩陣T_n×t，其中n表示網(wǎng)絡節(jié)點數(shù)，t表示屬性數(shù)量，標記屬性1到t，若節(jié)點v_i具有屬性q(1≤q≤t),則T_iq＝1，反之不具有該屬性則T_iq＝0；根據(jù)鄰接矩陣構(gòu)建社區(qū)網(wǎng)絡的潛在結(jié)構(gòu)矩陣S_n×n，基于杰卡德(Jaccard)相似性系數(shù)計算獲得網(wǎng)絡潛在結(jié)構(gòu)信息。

3.根據(jù)權(quán)利要求1所述的一種基于潛在結(jié)構(gòu)和屬性的非負矩陣分解社區(qū)檢測方法，其特征在于：步驟S3中，以社區(qū)網(wǎng)絡直系拓撲結(jié)構(gòu)信息(節(jié)點與節(jié)點直接鏈接)鄰接矩陣A_n×n和屬性信息T_n×t(節(jié)點存在某個屬性)為主，以社區(qū)網(wǎng)絡潛在結(jié)構(gòu)信息S_n×n(節(jié)點與節(jié)點不存在直接連接，但存在一定的關系)為輔，并對相關分解矩陣進行約束，以此建立社區(qū)檢測模型。建立目標函數(shù)

其中社區(qū)成員矩陣Z_n×k表示最終社區(qū)發(fā)現(xiàn)的矩陣，n表示節(jié)點(成員)數(shù)量，k代表社區(qū)數(shù)量，該矩陣行代表節(jié)點成員，列代表社區(qū)，矩陣中的值Z_ij代表節(jié)點i屬于社區(qū)j的概率；社區(qū)-社區(qū)矩陣社區(qū)-社區(qū)矩陣k代表社區(qū)數(shù)量，該矩陣每一行每一列均表示社區(qū)，矩陣中的值C_ij表示社區(qū)i與社區(qū)j之間的關系；社區(qū)屬性矩陣M_k×t，t代表屬性數(shù)量，該矩陣行代表每個社區(qū)，列代表每個屬性，矩陣中的值M_ij代表社區(qū)i在屬性j上的表現(xiàn)。

4.根據(jù)權(quán)利要求1所述的一種基于潛在結(jié)構(gòu)和屬性的非負矩陣分解社區(qū)檢測方法，其特征在于：步驟S4中，先化簡目標函數(shù)為矩陣跡的形式，再使用乘法更新規(guī)則來獲得局部最優(yōu)解，最終獲得乘法更新規(guī)則：

5.根據(jù)權(quán)利要求1所述的一種基于潛在結(jié)構(gòu)和屬性的非負矩陣分解社區(qū)檢測方法，其特征在于：步驟S5中，預設最大迭代次數(shù)iter＝100；其中α是調(diào)節(jié)潛在結(jié)構(gòu)影響的權(quán)重參數(shù)，β是調(diào)節(jié)社區(qū)矩陣差異的平衡參數(shù)，γ是稀疏參數(shù)，用于平衡稀疏項和T與ZM的誤差，針對平衡參數(shù)α、β、γ采用控制變量法，設置不同參數(shù)值對該模型進行測試，在{10^-3,10^-2,10^-1,10⁰,10¹,10²,10³}范圍內(nèi)調(diào)試參數(shù)，使參數(shù)取該模型效果較好的值。