赵宇红 张晓楠(内蒙古科技大学信息工程学院 内蒙古 包头 014010)

0 引 言

信息网络是对复杂关联系统的抽象概括，表达了系统中的实体及实体间的关系。信息网络的实例包括社交网络、交通网络和生物网络等。挖掘信息网络的结构特性、演化规则和实体特征对于理解和应用信息网络有着重要意义。

信息网络的社区发现研究[1-2]就是挖掘和发现关联紧密的实体群组，准确的社区发现既可以帮助人类了解网络结构的演化规则，也可以发现个体特征在群组形成中的作用，社区发现可以支持网络分析、用户管理、面向群组的网络应用。例如，广告投放、商品推荐和舆情监测都是社区发现的典型应用。大多数社区发现算法的研究，都是在同质网络中展开的，即将网络中所有节点和节点间的连接都定义为同一种类型。基于同质网络的社区发现研究可挖掘潜在的群组结构，也实现了众多有重要影响的应用。然而，实际生活中大多数网络都是异质的，近些年，异质网络[3]这一概念受到很多关注。异质网络与实际网络相符合，节点及节点间的关系是多种类型的，这种多类型的节点和连接关系使网络变得异常复杂，如何能够准确且全面地度量多类型节点以及节点之间错综复杂的多种关联，异质网络的提出给社区发现研究带来了巨大挑战。本文提出一种适用于异质网络，逻辑清晰、复杂度低且具有高准确度的社区发现算法。

算法首先使用超图[4]数据模型对异质信息网络进行建模，利用网络表示学习方法DeepWalk算法[5]对异质信息网络中的节点进行训练学习，得到节点的低维向量化表示。……