一种主动半监督大规模网络结构发现算法
2020-05-23柴变芳曹欣雨魏春丽王建岭
深圳大学学报(理工版) 2020年3期
关键词:模型
柴变芳,曹欣雨,魏春丽,王建岭
1)河北地质大学信息工程学院,河北石家庄 050031;2)河北中医学院教务处,河北石家庄 050200
当前社会正处于信息化浪潮的新阶段,大量数据时刻生成并可建模为大规模网络.快速、准确地识别这些网络数据潜在的聚类结构,是商家定位用户群体,制定精准营销策略的依据.网络中可能存在社区结构[1-2]、星型结构或层次结构,甚至同时存在多种结构.关于这些网络的先验信息很少,成为人们发现网络潜在结构的难点.FORTUNATO[2]采用社区发现算法识别网络中类内链接紧密和类间链接稀疏的结构,但当网络中可能不存在这种结构时,该算法不能发现真实的网络聚类模式.一些网络结构发现方法可识别网络的多类型潜在聚类模式,如基于随机块模型的算法[3],但此类方法复杂度高,不能处理大规模网络.基于混合模型的网络结构发现算法——在线变分期望最大(online variational expectation maximization, onlineVEM)算法[1],可发现大规模网络的多类型聚类结构,但其结果受初始参数影响,准确性和稳定性还有待提升.
近年来出现的半监督社区发现方法,利用先验信息提高了网络社区发现的准确率[4-13].根据半监督社区发现算法使用先验的形式,将现有方法分为基于节点先验的方法[4-6]和基于约束对先验的方法[7-13].后者因先验信息容易获得而较为流行.根据约束对先验信息的获得方式,将现有算法大致分为2类:① 随机选择约束对标记[7-11],如YANG等[9]提出基于非负矩阵分解(nonnegative matrix factorization, NMF)的超网络半监督……
登录APP查看全文