计算机工程

作者：吕少卿, 赵雪莉, 张潘, 任新成

单位：1. 西安邮电大学 通信与信息工程学院, 西安 710121;2. 陕西省信息通信网络及安全重点实验室, 西安 710121;3. 陕西省能源大数据智能处理省市共建重点实验室, 陕西 延安 716000

关键词：网络嵌入,社区结构,非负矩阵分解,网络表示学习,复杂网络

基金：陕西省教育厅科研计划项目（17JK0703）；陕西省能源大数据智能处理省市共建重点实验室开放基金（IPBED10）；陕西省工业领域一般项目基金（2020GY-081）。

现有网络嵌入算法大多只保留网络的微观结构信息，忽略了网络中普遍存在的社区结构信息。为提高网络表示质量，提出一种保留社区结构信息的网络嵌入算法PCNE。通过最大化节点之间的一阶和二阶相似性，对网络的微观结构进行建模，同时通过分解可反映网络社区结构信息的社区结构嵌入矩阵，对网络的社区结构信息进行建模。将构建的2个模型融合到统一的联合非负矩阵分解框架中，结合相似度矩阵和社区隶属度矩阵得到融合社区结构信息的节点表示向量。在5个真实公开数据集上进行节点分类实验，结果表明，与DeepWalk、Node2vec、LINE算法相比，PCNE可使Micro-F1值提升0.96%~13.1%，验证了算法的有效性。

来源：2021年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第12期