近日,團(tuán)隊的論文成果被中科院二區(qū)、CCF C類期刊《Applied Intelligence》錄用發(fā)表,。
論文題目:An autoencoder considering multi-order and structural-role similarity for community detection in attributed networks
論文地址:https://link.springer.com/article/10.1007/s10489-023-04450-6
論文概述:
本文針對基于自動編碼器的屬性網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法在高階信息保留,、結(jié)構(gòu)角色相似度計算、以及拓?fù)鋵傩韵嗷ト诤系确矫娴牟蛔?,提出了一種新的靜態(tài)屬性網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法。研究成果已發(fā)表于 Applied Intelligence。論文提出了一種兩階段社區(qū)發(fā)現(xiàn)算法 AMOSOS(Attribute-aware Multi-order Structure and Overlapping Similarity),,其核心思想是結(jié)合自動編碼器和 K-means 算法,從節(jié)點嵌入表示中提取社區(qū)結(jié)構(gòu),。具體創(chuàng)新點包括:
1,、多階權(quán)重矩陣構(gòu)建:通過設(shè)計順序遞減的權(quán)重策略,構(gòu)造多階權(quán)重矩陣以捕捉不同階鄰居的影響差異,,從而更好地保留網(wǎng)絡(luò)的高階信息,。
2、角色相似性指標(biāo):提出了一種新的指標(biāo),,用于捕捉網(wǎng)絡(luò)節(jié)點間復(fù)雜的耦合關(guān)系和交互特性,,有效計算節(jié)點的結(jié)構(gòu)角色相似度。
3,、拓?fù)鋵傩噪p向促進(jìn)策略:為了解決拓?fù)湫畔⒑蛯傩孕畔⒉黄ヅ涞膯栴},,設(shè)計了一種拓?fù)渑c屬性相互促進(jìn)的方法,從而提高社區(qū)發(fā)現(xiàn)的準(zhǔn)確性和魯棒性,。
在合成網(wǎng)絡(luò)與真實世界數(shù)據(jù)集上的實驗表明,,AMOSOS 在社區(qū)發(fā)現(xiàn)任務(wù)上的表現(xiàn)優(yōu)于現(xiàn)有的兩階段社區(qū)發(fā)現(xiàn)算法,尤其在復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)中展現(xiàn)了更高的精度和更強(qiáng)的適應(yīng)性,。