融合网络结构和属性嵌入的社区发现方法

作者：吴琪; 黄芳^*; 王淑勤; 卢港

来源：小型微型计算机系统, 2023, 44(07): 1542-1549.

DOI：10.20009/j.cnki.21-1106/TP.2021-0872

• 社区发现
• 综合社区特征
• 社区性游走
• 聚类神经网络

在社区发现中，针对不同的应用场景和网络中愈加丰富的节点属性信息，目前缺乏一种普适性的社区发现方法.本文提出了一种基于综合社区性嵌入(Comprehensive Community Embedding, CCE)的社区发现方法.CCE基于节点的社区相似性假设，进行社区游走，捕获网络结构的邻接特征、局部模块度和边介数的社区特征，并结合节点属性这一辅助社区特征，实现节点的综合社区性表征；社区划分通过K-聚类神经网络模型(K-Clustering Neural Network Model, K-CNN)以无监督节点聚类的方式实现.在社交网络和合著网络两类网络数据集上的实验结果表明，本文方法(CCE+K-CNN)表现稳定且优于传统方法，CCE采用的社区游走方法较其他游走方法更适用于解决社区发现问题.

• 单位
  中南大学