检索结果

Select

1. 基于改进对称二值非负矩阵分解的重叠社区发现方法

成其伟, 陈启买, 贺超波, 刘海

计算机应用 2020, 40 (11): 3203-3210. DOI: 10.11772/j.issn.1001-9081.2020020260

摘要（420）

PDF （750KB）（433）

针对复杂网络社区结构具有重叠性的问题，目前已提出许多不同类型的解决方法，其中基于对称二值非负矩阵分解（SBNMF）的重叠社区发现方法是具有代表性的方法。然而，SBNMF在面对社区内部链接稀疏的网络时，其重叠社区发现性能低下，为此提出一种基于改进SBNMF（ISBNMF）的重叠社区发现方法。首先利用对称非负矩阵分解得到的因子矩阵构建社区内部链接稠密的新网络，然后再使用基于Frobenius范数的SBNMF模型对新网络的邻接矩阵进行分解，最后通过网格搜索法或梯度下降法得到可以显式指示节点的社区隶属关系的二值矩阵。在人工合成的和真实的网络数据集上进行大量实验，结果表明ISBNMF的社区发现性能优于SBNMF和其他代表性方法。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于加权核非负矩阵分解的短文本聚类算法

曹大为, 贺超波, 陈启买, 刘海

计算机应用 2018, 38 (8): 2180-2184. DOI: 10.11772/j.issn.1001-9081.2018020356

摘要（620）

PDF （918KB）（618）

对互联网产生的大量短文本进行聚类分析具有重要的应用价值，但由于短文本存在特征稀疏和特征难以提取的问题，导致传统的文本聚类算法难以有效处理该问题。为了解决该问题，利用非负矩阵分解（NMF）模型提出基于加权核非负矩阵分解（WKNMF）的短文本聚类算法。该算法通过核方法的映射关系将稀疏特征空间映射到高维隐性空间，从而可以充分利用短文本中的隐性语义特征进行聚类；另外，利用核技巧简化高维数据的复杂运算，并通过迭代更新规则不断地动态调整短文本的权重向量，从而可以区分不同短文本对聚类的重要性。在真实的微博数据集上进行了相关实验，结果表明WKNMF算法比K均值、隐含狄利克雷分布（LDA）、NMF和自组织神经网络（SOM）具有更好的聚类质量，准确度和归一化互信息分别达到了66.38%和66.91%。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于网络表示学习与随机游走的链路预测算法

刘思, 刘海, 陈启买, 贺超波

计算机应用 2017, 37 (8): 2234-2239. DOI: 10.11772/j.issn.1001-9081.2017.08.2234

摘要（1002）

PDF （953KB）（1484）

现有的基于随机游走链路预测指标在无权网络上的转移过程存在较强随机性，没有考虑在网络结构上不同邻居节点间的相似性对转移概率的作用。针对此问题，提出一种基于网络表示学习与随机游走的链路预测算法。首先，通过基于深度学习的网络表示学习算法——DeepWalk学习网络节点的潜在结构特征，将网络中的各节点表征到低维向量空间；然后，在重启随机游走（RWR）和局部随机游走（LRW）算法的随机游走过程中融合各邻居节点在向量空间上的相似性，重新定义出邻居节点间的转移概率；最后，在5个真实数据集上进行大量实验验证。实验结果表明：相比8种具有代表性的基于网络结构的链路预测基准算法，所提算法链路预测结果的AUC值均有提升，最高达3.34%。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于粗糙集的关联规则挖掘方法

贺超波陈启买

计算机应用 2010, 30 (1): 25-28.

摘要（1825）

PDF （578KB）（1234）

对粗糙集进行了相关研究，并提出一种以粗糙集理论为基础的关联规则挖掘方法，该方法首先利用粗糙集的特征属性约简算法进行属性约简，然后在构建约简决策表的基础上应用改进的Apriori算法进行关联规则挖掘。该方法的优势在于消除了不重要的属性，减少了属性数目和候选项集数量，同时只需一次扫描决策表就可产生决策规则。应用实例及实验结果分析表明该方法是一种有效而且快速的关联规则挖掘方法。