一种基于结构特征强化的高效马尔可夫随机场社团发现方法技术

本发明专利技术公开一种基于结构特征强化的高效马尔可夫随机场社团发现方法，主要步骤：首先，利用网络嵌入从拓扑结构中提取可表征每个结点自身结构特征的低维向量；其次，对网络中真正有边相连的结点对儿，依据存在一条边的两个基本假设，来构建它们的成对势函数；再次，基于马尔科夫随机场框架将得到的势能量整合统一；根据吉布斯分布提供的概率和能量之间的关系，定义在网络拓扑A的条件下社团划分C的后验概率分布，为优化部分提供目标。本发明专利技术与6个统计模型类社团发现方法(包含NetMRF)进行比较，结果显示iMRF的平均精度高于对比算法2.6％～12.9％，并对大规模网络具有更强的处理能力。

【技术实现步骤摘要】
一种基于结构特征强化的高效马尔可夫随机场社团发现方法
本专利技术属于社交网络分析、网络数据处理和数据挖掘领域，涉及社团检测技术和社交网络推荐技术，尤其是一种基于结构特征强化的高效马尔可夫随机场社团发现方法。
技术介绍
近年来，复杂网络社团结构检测已吸引了许多来自不同研究领域研究者的关注。目前已提出了许多基于不同理论和技术的方法，它们包括谱聚类，层次聚类，启发式方法，模块度优化，动力学方法和统计模型推断等。尤其是基于统计模型的方法，由于其具有坚实的理论基础和优越的性能，得到了广泛的研究与应用。目前基于统计模型的方法可分为三类：第一类主要是基于随机块模型及其扩展，采用似然最大化进行求解，譬如Karrer等基于“在模型中保持结点度分布”的思想，提出了一个度修正的社团发现随机块模型。第二类是将非负矩阵分解用于社团发现任务，譬如Zhao等提出了一个概率矩阵分解模型来建模符号网络，并采用期望最大化方法进行参数估计，以发现符号网络中的社团结构。第三类是基于深度学习的社团发现模型，譬如Yang等提出了一个基于深度自编码器的网络及社团表征模型，在学习出大规模网络非线性表征的同时获取社团结构。然而，目前本文档来自技高网...

【技术保护点】
1.一种基于结构特征强化的高效马尔可夫随机场社团发现方法，其特征在于，包含以下步骤：步骤1)：利用网络嵌入从拓扑结构中提取可表征每个结点自身结构特征的低维向量，并在此基础上定义能量函数中的单点势函数；步骤2)：对网络中真正有边相连的结点对儿，依据存在一条边的两个基本假设，来构建它们的成对势函数；步骤3)：基于马尔科夫随机场框架将得到的势能量整合统一，以此构建能量函数E(C；A)，令单点势函数θi(ci)刻画个体结点的势能量，令成对势函数θij(ci,cj)捕捉成对结点的势能量；步骤4)：根据吉布斯分布P(C|A)∝exp{‑βE(C|A)}提供的概率和能量之间的关系，定义在网络拓扑A的条件下社...

【技术特征摘要】
1.一种基于结构特征强化的高效马尔可夫随机场社团发现方法，其特征在于，包含以下步骤：步骤1)：利用网络嵌入从拓扑结构中提取可表征每个结点自身结构特征的低维向量，并在此基础上定义能量函数中的单点势函数；步骤2)：对网络中真正有边相连的结点对儿，依据存在一条边的两个基本假设，来构建它们的成对势函数；步骤3)：基于马尔科夫随机场框架将得到的势能量整合统一，以此构建能量函数E(C；A)，令单点势函数θi(ci)刻画个体结点的势能量，令成对势函数θij(ci,cj)捕捉成对结点的势能量；步骤4)：根据吉布斯分布P(C|A)∝exp{-βE(C|A)}提供的概率和能量之间的关系，定义在网络拓扑A的条件下社团划分C的后验概率分布，为优化部分提供目标；步骤5)：通过最大化后验概率P(C|A,V)得到社团划分结果C；步骤6)：通过标准化互信息、准确度和模块度值指标衡量准确度。2.根据权利要求1所述的一种基于结构特征强化的高效马尔可夫随机场社团发现方法，其特征在于，所述步骤1)具体为：通过结合网络嵌入与模糊C均值方法，从网络拓扑中提取出所有结点的结构特征，进而基于吉布斯分布将其建模为在能量函数中起主要作用的单点势函数。3.根据权利要求1所述的一种基于结构特征强化的高效马尔可夫随机场社团发现方法，其特征在于，所述步骤2)为对网络数据进行建模，建模共分为两种情况：第一...

【专利技术属性】
技术研发人员：金弟，尤心心，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12