检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于双监督网络嵌入的社区发现算法

模式识别与人工智能 2022年第3期35卷 283-290页

作者：郑文萍王英楠杨贵山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学智能信息处理研究所太原030006

针对基于网络嵌入的社区检测算法中节点嵌入和聚类过程独立进行时容易陷入局部极值的问题,文中提出基于双监督网络嵌入的社区发现算法.首先利用图自编码器,得到可保持网络的一阶相似性的节点嵌入.优化模块度,发现拓扑连接紧密的社区.采... 详细信息

针对基于网络嵌入的社区检测算法中节点嵌入和聚类过程独立进行时容易陷入局部极值的问题,文中提出基于双监督网络嵌入的社区发现算法.首先利用图自编码器,得到可保持网络的一阶相似性的节点嵌入.优化模块度,发现拓扑连接紧密的社区.采用自监督聚类优化,发现嵌入空间上相似的社区.引入互监督机制,使发现的社区在模块度优化和自监督聚类这两个角度上具有一致性,同时避免算法陷入局部极值.4个真实网络上的对比实验表明,DSNE性能较优.

关键词：社区发现网络嵌入图自编码器模块度

融合属性偏好和多阶交互信息的可解释评分预测研究

在线全文

学校读者我要写书评

暂无评论

自动化学报 2022年

作者：郑建兴李沁文王素格李德玉山西大学智能信息处理研究所山西大学计算机与信息技术学院

已有推荐系统主要基于用户-项目交互矩阵来学习用户和项目的向量表示,而当交互矩阵稀疏时,推荐系统的精度较低,推荐的结果缺乏可解释性.本文考虑了用户-项目交互行为中的评分标签信息,提出了一种融合属性偏好和多阶交互信息的可解释评... 详细信息

已有推荐系统主要基于用户-项目交互矩阵来学习用户和项目的向量表示,而当交互矩阵稀疏时,推荐系统的精度较低,推荐的结果缺乏可解释性.本文考虑了用户-项目交互行为中的评分标签信息,提出了一种融合属性偏好和多阶交互信息的可解释评分预测方法,并根据属性偏好对推荐结果进行了解释.首先,基于注意力机制分析了用户和项目属性信息与评分标签的关系,建模了节点的属性偏好特征表示;然后,聚合了用户-项目交互矩阵中节点自身、交互邻居和评分标签信息,通过图神经网络学习了节点的多阶交互行为特征表示;最后,融合了节点的属性偏好特征和交互行为特征,在异质类型信息空间下学习了用户和项目的语义特征表示,利用多层感知机实现了评分预测,并在MovieLens和Douban数据集上验证了方法的有效性.实验结果表明,本文方法在MAE和RMSE指标上有效提高了推荐系统的精度,缓解了数据稀疏场景下推荐模型性能较低的问题,提升了推荐结果的可解释性.

关键词：属性偏好多阶交互信息注意力机制可解释推荐

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多视图聚类研究进展与展望

山西大学学报(自然科学版) 2022年第3期45卷 612-621页

作者：梁吉业刘晓琳山西大学智能信息处理研究所山西大学计算智能与中文信息处理教育部重点实验室

多视图聚类旨在利用不同视图间互为差异、互相补充的信息对数据对象进行聚类。近年来，多视图聚类作为一项重要的无监督机器学习方法和数据挖掘技术，在众多领域得到了广泛关注。文章对现有的多视图聚类模型与算法进行了梳理，将其归纳... 详细信息

多视图聚类旨在利用不同视图间互为差异、互相补充的信息对数据对象进行聚类。近年来，多视图聚类作为一项重要的无监督机器学习方法和数据挖掘技术，在众多领域得到了广泛关注。文章对现有的多视图聚类模型与算法进行了梳理，将其归纳为六个方面，并对其进行了详细论述。进一步，对复杂环境下多视图聚类任务面临的挑战进行了展望，以期推动该领域的不断创新与发展。

关键词：多视图聚类机器学习数据挖掘无监督学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合二连通模体结构信息的节点分类算法

计算机应用 2023年

作者：郑文萍葛慧琳刘美麟杨贵山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室山西大学智能信息处理研究所

节点表示学习将图结构数据信息编码到低维的潜在空间中，在节点分类、聚类、链路预测等机器学习任务中广泛应用。在复杂网络中，节点与节点之间不仅存在直接相连的低阶结构，也存在以特殊连接模式形成的高阶结构，称为模体。提出一种融... 详细信息

节点表示学习将图结构数据信息编码到低维的潜在空间中，在节点分类、聚类、链路预测等机器学习任务中广泛应用。在复杂网络中，节点与节点之间不仅存在直接相连的低阶结构，也存在以特殊连接模式形成的高阶结构，称为模体。提出一种融合二连通模体结构信息的节点分类算法(FMI)，利用节点间高阶二连通模体信息学习节点表示，以完成节点分类任务。首先，统计网络中的二连通p-模体(p∈{3,4,5})，利用其信息提出一个节点重要性的度量指标——模体比值。根据模体比值计算采样概率以进行邻域采样；构造了一个带权辅助图以融合网络节点连接的低阶关系与高阶关系，对节点进行加权邻域聚合以得到节点表示。在5个数据集Cora、Citeseer、Pubmed、Wiki、DBLP上执行节点分类任务，与5个经典基准算法进行对比，所提算法FMI在准确度和F1-分数等指标上表现良好。

关键词：节点表示二连通模体邻域采样邻域聚合节点分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于PU学习的链接预测方法

模式识别与人工智能 2019年第9期32卷 793-799页

作者：李琦王智强梁吉业山西大学智能信息处理研究所计算智能与中文信息处理教育部重点实验室

基于分类的链接预测方法中,由于链接未知节点对的大规模性与不确定性,选择可靠负例成为构造链接预测分类器的难点问题.为此,文中提出基于正例和无标识样本(PU)学习的链接预测方法.首先,提取节点对的拓扑信息以构造样本集.再利用社区结... 详细信息

基于分类的链接预测方法中,由于链接未知节点对的大规模性与不确定性,选择可靠负例成为构造链接预测分类器的难点问题.为此,文中提出基于正例和无标识样本(PU)学习的链接预测方法.首先,提取节点对的拓扑信息以构造样本集.再利用社区结构确定候选负例的分布,基于分布进行多次欠采样,获得多个候选负例子集,集成多个负例集与正例集中构建的分类器选择可靠负例.最后基于正例与可靠负例构造链接预测分类器.在4个网络数据集上的实验表明文中方法预测结果较优.

关键词：链接预测正例和无标识样本(PU)学习社区结构集成学习

在线全文

学校读者我要写书评

暂无评论

融合二连通模体结构信息的节点分类算法

计算机应用 2024年第5期44卷 1464-1470页

作者：郑文萍葛慧琳刘美麟杨贵山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学智能信息处理研究所太原030006

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合... 详细信息

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合二连通模体结构信息的节点分类算法(FMI),利用节点间高阶二连通模体信息学习节点表示,完成节点分类任务。首先,统计网络中的二连通模体,利用其中信息提出一个节点重要性的度量指标——模体比值。根据模体比值计算采样概率进行邻域采样;构造一个带权辅助图以融合网络节点连接的低阶关系与高阶关系,对节点进行加权邻域聚合以得到节点表示。在5个数据集Cora、Citeseer、Pubmed、Wiki和DBLP上执行节点分类任务,与5种经典基准算法进行对比,所提算法FMI在准确度和F1-分数等指标上表现良好。

关键词：节点表示二连通模体邻域采样邻域聚合节点分类

在线全文

学校读者我要写书评

暂无评论

基于局部邻域连通性的重叠社区发现算法

山西大学学报(自然科学版) 2022年第2期45卷 369-379页

作者：郑文萍乔艳超杨贵山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室山西大学智能信息处理研究所

发现复杂网络中的重叠社区是目前复杂网络分析的重要内容。选择社区代表性强的节点作为种子节点进行扩展是基于种子扩展策略重叠社区发现算法的关键,提出了一种基于度信息和邻域连通性的节点邻域中心性度量指标,并在此基础上提出了一种... 详细信息

发现复杂网络中的重叠社区是目前复杂网络分析的重要内容。选择社区代表性强的节点作为种子节点进行扩展是基于种子扩展策略重叠社区发现算法的关键,提出了一种基于度信息和邻域连通性的节点邻域中心性度量指标,并在此基础上提出了一种基于局部邻域连通性的重叠社区发现算法(Local Neighbor-hood Connectivitybased overlapping community detection Algorithm,LNCA)。首先计算每个节点的局部邻域连通熵和邻域中心性cc,选择中心性高的节点作为种子节点;然后采用带重启的随机游走策略扩展种子节点并得到初始社区;最后合并重叠度较大的社区得到最终社区发现结果。在6个带真实社区标签的网络和9个无真实社区标签的网络上,与SLP A、DEMON、CPM、NodePerception、EgoNetworks、EgonetSplitter等6个经典重叠社区发现算法进行比较,结果表明,在带标签网络上,LNCA算法在重叠NMI和F1分数上优于多数对比算法,可得到与网络真实社区更匹配的社区结构;在无标签网络上,LNCA在重叠模块度上有明显优势,可得到稳定社区发现结果。

关键词：重叠社区发现邻域连通性节点中心性种子扩展

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于节点聚类复杂度的图聚类方法

计算机科学 2023年第11期50卷 77-87页

作者：郑文萍王富民刘美麟杨贵山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学智能信息处理研究所太原030006

图聚类可以发现网络中的社区结构,是复杂网络分析中的一项重要任务。针对不同节点的聚类难度各异的问题,提出了一种基于节点聚类复杂度的图聚类算法(Graph Clustering Algorithm Based on Node Clustering Complexity,GCNCC),用于判断... 详细信息

图聚类可以发现网络中的社区结构,是复杂网络分析中的一项重要任务。针对不同节点的聚类难度各异的问题,提出了一种基于节点聚类复杂度的图聚类算法(Graph Clustering Algorithm Based on Node Clustering Complexity,GCNCC),用于判断节点的聚类复杂度,为聚类复杂度低的节点赋予伪标签,利用伪标签提供的监督信息降低其他节点的聚类复杂度,进而得到网络聚类结果。GCNCC包括节点表示、节点聚类复杂度判别和图聚类3个主要模块。节点表示模块得到保持网络集聚性的表示;节点聚类复杂度判别模块用于判断网络中的低聚类复杂度节点,并利用低聚类复杂度节点的伪标签信息来优化更新网络中其他节点的聚类复杂度;图聚类模块采用标签传播方法,将低聚类复杂度节点标签传播给高聚类复杂度节点,以得到聚类结果。在3个真实的引文网络和3个生物数据集上与9种经典算法进行对比,算法GCNCC在ACC,NMI,ARI和F1等方面均表现良好。

关键词：图聚类节点聚类复杂度网络嵌入自监督

一种基于节点稳定性和邻域相似性的社区发现算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第9期49卷 83-91页

作者：郑文萍刘美麟杨贵山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学智能信息处理研究所太原030006

复杂网络规模的增大导致网络中社区结构变得复杂,节点与社区之间的关系更多样化,有效度量大规模网络中节点邻域的社区构成,并对社区归属确定性有差异的节点分别进行处理,可以提高算法的社区发现质量。基于此,提出了一种基于节点稳定性... 详细信息

复杂网络规模的增大导致网络中社区结构变得复杂,节点与社区之间的关系更多样化,有效度量大规模网络中节点邻域的社区构成,并对社区归属确定性有差异的节点分别进行处理,可以提高算法的社区发现质量。基于此,提出了一种基于节点稳定性和邻域相似性的社区发现算法(Node Stability and Neighbor Similarity Based Community Detection Algorithm, NSNSA)。首先定义节点的标签熵并对节点在社区发现过程中的稳定性进行度量,选择标签熵较低的节点作为稳定节点集;其次根据节点邻域的标签构成情况定义节点的邻域相似性,对节点与其邻居节点的社区归属一致性进行度量;然后利用稳定节点与其直接邻居中邻域相似性最高的节点构造初始网络,并在该子网络上运行标签传播算法,以得到可靠性较高的初始社区发现结果;最后将未聚类节点分配至与其Katz相似性最高的节点所在的社区,对小规模社区进行合并处理,以得到最终的社区划分结果。在真实网络及人工网络数据集上,与LPA,BGLL,Walktrap, Infomap, LPA-S等经典社区发现算法的对比实验表明,NSNSA算法在模块度以及标准互信息方面表现良好。

关键词：复杂网络社区结构标签熵节点稳定性邻域相似性