属性异构信息网络的半监督协同聚类

作者：刘嘎琼; 韩斌; 王东升; 严熙; 李会格

来源：吉林大学学报(理学版), 2021, 59(06): 1445-1454.

DOI：10.13413/j.cnki.jdxblxb.2021095

• 协同聚类
• 异构信息网络
• 联合优化
• 关联度量

为实现同时利用属性信息和结构信息完成更精确的协同聚类,提出一种基于属性异构信息网络的半监督协同聚类框架(SCCAIN).首先,设计一种可学习的整体关联度量,其通过元路径和属性投影整合结构关联和属性关联;其次,将约束负矩阵三因式分解引入到具有约束的协同聚类节点中,将相关性度量和协同聚类相结合,以协同聚类结果作为共享因子,并提出一个统一的半监督学习框架,以联合优化协同聚类和相关性测量给定的约束;最后,在不同的数据集上进行仿真实验,实验结果表明,该方法聚类效果较好,从而验证了属性信息和结构信息对能提升协同聚类效果.

• 单位
  江苏科技大学