融合聚类系数与节点相似性优化的社区发现方法
田乐1
曹浪财2
1.佛山大学机电工程与自动化学院,广东 佛山 5282252.厦门大学航空航天学院,福建 厦门 361000
摘要：非负矩阵分解因其有效性和良好的可解释性而被广泛应用于社区发现领域,现有的大部分方法仅考虑网络拓扑结构信息而忽略了节点的相似性信息.针对此问题,提出了一个融合聚类信息与相似性的对称非负矩阵分解的社区发现模型,该算法使用了多种指标来描述网络的节点相似性,并进一步融合聚类系数对节点相似性进行了优化,使其能发挥更好的作用,提高社区发现的准确性.在4个真实世界网络的数据集上进行实验,依据评价指标对节点相似性进行优化前后对比.实验结果表明:所提的优化模型能够有效提升网络预测精确度.
关键词：社区发现拓扑结构节点相似性非负矩阵分解聚类系数
分类号：TP399(计算技术、计算机技术)
资助基金：广东省基础与应用研究基金资助项目(2023A1515140073)
论文发表日期：2025-11-30
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1-7 )
英文信息