以社区发现为导向的网络嵌入模型研究
【摘要】 利用网络嵌入模型可以将节点信息表示为低维稠密的向量空间，来支持基于图的分类、聚类、链路预测和社区发现等任务。然而，现有的网络嵌入模型大多只考虑节点拓扑结构，缺乏有针对性地为特定任务提供有效的嵌入表示。为此，提出了一种以社区发现为导向的网络嵌入模型（），将节点属性特征、拓扑特征与社区特征充分结合，基于非负矩阵分解来获取节点的向量表示，同时体现了网络的局部特征与全局特征。此外，提出了一种基于的两阶段社区发现算法:第一阶段为合并社区，基于模块度增量最大化标准确定待合并社区;第二阶段基于待合并社区重新构建网络。通过两个阶段的交替迭代执行，来提高社区发现的准确性。在真实数据集上设计实验，结果表明所提出的关键技术的可行性和有效性。CommunityDetection-orientedNetworkEmbeddingCDNECDNE，
