基于双视角网络嵌入聚类集成社区发现算法

摘要

针对现有网络嵌入方法忽略高阶结构，嵌入过程与社区发现任务独立进行，影响社区发现质量的问题，提出基于双视角网络嵌入聚类集成社区发现算法(community detection algorithm based on dual-view network embedded clustering integration, DNECI),算法包括双视角网络嵌入和聚类集成两部分。双视角网络嵌入模块对网络属性信息与拓扑信息实现自适应融合，保留网络属性信息与拓扑的高阶结构。聚类集成模块包括模块度优化和聚类优化两个组件，模块度优化组件利用高阶拓扑结构得到具有最优模块度的社区结果；聚类优化组件通过自监督聚类方法在嵌入空间得到聚类结果；引入互监督机制使两种视角的社区发现结果具有一致性。在4个真实数据集与15个算法进行对比试验，结果表明，DNECI在准确率和标准互信息至少比最先进的基准算法平均提高2.5%和1.4%,在调整兰德系数和F1分数至少平均提高3.7%和1.7%,具有较好的社区发现效果。

关键词

社区发现 / 网络嵌入 / 模块度 / 自监督 / 高阶结构

基金资助

国家自然科学基金资助项目(62072292); 山西省1331工程资助项目