基于多特征融合的屬性圖聚類算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和人們社交需求的日益增長，產(chǎn)生了大量的社交網(wǎng)絡(luò)數(shù)據(jù)。通常這類數(shù)據(jù)既包含用戶之間的關(guān)系特征，也包含用戶自身的基本信息。目前常用來進行社交網(wǎng)絡(luò)挖掘的圖聚類方法，大多數(shù)只關(guān)注節(jié)點之間的拓撲關(guān)系，而很少關(guān)注節(jié)點自身的屬性特征，因此挖掘節(jié)點帶有屬性的圖有重要的學術(shù)意義和應用前景。
　　本文稱這類節(jié)點帶有屬性的圖為屬性圖，它可以分為單屬性圖和多屬性圖兩大類。單屬性圖指節(jié)點屬性特征來自單一視圖，多屬性圖是指節(jié)點屬性特征由

2、多個視圖組成。如何合理有效地融合關(guān)系特征和屬性特征，來對單屬性圖和多屬性圖進行聚類是本課題的主要研究內(nèi)容。
　　針對單屬性圖聚類問題，本文提出一種帶權(quán)重聯(lián)合非負矩陣分解的聚類算法（JWNMF）。該算法將關(guān)系特征和屬性特征融合在同一目標函數(shù)中，并對每個屬性特征進行加權(quán)。通過對目標函數(shù)的求解，以及對包含關(guān)系特征和屬性特征的矩陣進行聚類，來達到單屬性圖聚類的目的。與此同時，本文還證明了算法的收斂性。最后，實驗結(jié)果表明JWNMF算法比現(xiàn)有

3、的單屬性圖聚類算法有更高的聚類性能。
　　針對多屬性圖聚類問題，本文提出一種帶權(quán)重多聯(lián)合非負矩陣分解的聚類算法（MJWNMF）。多屬性圖中節(jié)點屬性特征由多個視圖組成，因此本文參考異構(gòu)協(xié)同過濾（Hete-CF）中關(guān)于用戶與項目關(guān)系的融合方法，對多個視圖的屬性特征進行融合。然后對JWNMF算法進行擴展，把拓撲關(guān)系和多個視圖的屬性特征融合在同一目標函數(shù)中。類似于JWNMF算法，對包含所有視圖的屬性特征和關(guān)系特征的矩陣進行聚類。最后，實驗