基于張量分解的多關系網(wǎng)絡社區(qū)發(fā)現(xiàn)算法研究.pdf

1、隨著在線社交媒體的快速發(fā)展，在線社會網(wǎng)絡的研究成為了當前數(shù)據(jù)科學的一個重要研究方向。復雜網(wǎng)絡可以看作是這些真實網(wǎng)絡的一種抽象，而發(fā)現(xiàn)這些復雜網(wǎng)絡的社區(qū)結構是理解這些復雜網(wǎng)絡結構和功能的重要途徑。但是，經(jīng)典的社區(qū)發(fā)現(xiàn)算法基本是基于單一關系的網(wǎng)絡，而真實的網(wǎng)絡絕大多數(shù)都是多關系的。由于在多關系網(wǎng)絡中，每種關系所反應的只是片面的信息，因此，要深刻理解復雜的社會網(wǎng)絡就需要全面地、綜合地去分析所有關系。這樣的多關系網(wǎng)絡可以純天然地表示成一個三階張

2、量的形式，而張量分解方法又可以從張量中學習到隱含的模式，因此，本文采用基于張量方法去分析多關系網(wǎng)絡。
　　本文提出了一種簡單高效的隱因子先驗法則-隱因子余弦相似度先驗去提升社區(qū)發(fā)現(xiàn)算法在多關系網(wǎng)絡中的性能。這個先驗法則是基于良好定義的虛擬多關系社會網(wǎng)絡的大量觀測統(tǒng)計:同一社區(qū)的成員所對應的隱因子間具有很高的余弦相似度。將這一先驗知識融入到RESCAL張量分解模型中，可以使我們得到更加合理的隱因子，而這些隱因子將作為聚類算法的輸入，

3、從而發(fā)現(xiàn)不同的社區(qū)結構。為了簡化模型及移除余弦相似度的限制，本文提出了一種RESCAL分解模型的變體N-RESCAL分解模型，并給出了求解此模型的高效迭代算法N-RESCAL-ALS。此外，由于閉環(huán)三角關系能夠提升社區(qū)發(fā)現(xiàn)算法的性能，本文提出了一種同時對普通關系與閉環(huán)三角關系進行建模的方式。在本文中，我們所使用的聚類算法為凝聚層次聚類算法，而這樣社區(qū)發(fā)現(xiàn)算法的架構我們稱之為TNRA。我們在構造數(shù)據(jù)集和真實數(shù)據(jù)集下的實驗都取得了非常好的效