计算机工程与应用

2020, v.56;No.963(20) 59-66

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

融合图卷积网络模型的无监督社区检测算法
Unsupervised Community Detection Algorithm Integrating Graph Convolutional Network Model

姜东明;杨火根;

摘要(Abstract):

图卷积神经网络(Graph Convolutional Neural Network)能有效地提取非欧式距离数据中的特征信息。提出一种基于图卷积网络模型的无监督社区检测算法。选择图中某些节点添加人工标签来模拟在图上的信号输入,使其满足图卷积网络的传播特征的要求,通过修改后的图卷积网络传播规则将节点本身的标签传递至其相邻节点,通过对同一节点获得的不同标签进行比较后将节点归类,之后优化归类结果并输出社区划分矩阵。使用现实世界的数据集进行测试,并与一些其他社区检测算法进行对比评估。实验结果表明算法在不同类型的数据集中都能得到很好的社区划分效果。

关键词(KeyWords): 图卷积网络;社区检测;聚类;模式识别

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61462036,No.61762047);; 国家重点研发计划重点专项(No.2016YFB0800700);; 江西省自然科学基金(No.20192BAB201007)

作者(Author): 姜东明;杨火根;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享