一种非负矩阵社区发现方法及电影社区发现方法技术

本发明专利技术提供了一种非负矩阵社区发现方法及电影社区发现方法，包括如下步骤S11数据收集与计算，形成相似度矩阵X和L；S12将X进行非负矩阵分解，X≈UV；S13构造含有L的目标函数O；以及S14基于目标函数，得到非负矩阵分解的迭代公式，进行迭代，完成社区划分。本发明专利技术的一种非负矩阵社区发现方法及电影社区发现方法，将双属性的非负矩阵分解应用于社区发现，提高了社区分解模块的精确性。

【技术实现步骤摘要】
一种非负矩阵社区发现方法及电影社区发现方法
本专利技术涉及数据挖掘
，具体涉及一种非负矩阵社区发现方法及电影社区发现方法。
技术介绍
社交网络作为信息传递的主要载具，其涵盖的信息量对于当今社会具有重要的研究意义，从个体到群体，从小世界到大社会，现实生活中总存在隐含的联系将人们链接起来。很多实际网络中的节点具有聚集化特性——“社区结构”。网络中社区发现的研究已经取得很多研究成果，可以大体将社区发现方法分为图切割方法、目标函数优化方法、聚类方法和启发式方法等。社区发现常用于分析社会群体之间的结构特征。随着信息化技术的发展，信息系统中保存着大量用户的信息特征，用户与用户之间也存在着某种关联性。用户的特征具有多维度，且多关联性。社区发现能帮助人们更有效地了解网络的结构特征，从而提供更有效、更具个性化的服务。非负矩阵分解(nonnegativematrixfactorization，NMF)机器学习中的一种特征提取和降维的方法，近年来被用于社区发现。NMF是指将一个高维(m╳n)的非负矩阵X分解为两个低维的非负矩阵U(m╳k)和V(k╳n)本文档来自技高网...

【技术保护点】
1.一种非负矩阵社区发现方法，其特征在于，包括如下步骤：/nS11数据收集与计算，形成相似度矩阵X和L；/nS12将X进行非负矩阵分解，X≈UV；/nS13构造含有L的目标函数O；以及/nS14基于目标函数，得到非负矩阵分解的迭代公式，进行迭代，完成社区划分。/n

【技术特征摘要】
1.一种非负矩阵社区发现方法，其特征在于，包括如下步骤：
S11数据收集与计算，形成相似度矩阵X和L；
S12将X进行非负矩阵分解，X≈UV；
S13构造含有L的目标函数O；以及
S14基于目标函数，得到非负矩阵分解的迭代公式，进行迭代，完成社区划分。


2.根据权利要求1所述的非负矩阵社区发现方法，其特征在于，所述步骤S11用邻接表表示实体集及其第一组属性；用第一距离计算方法，计算基于这组属性的实体间的距离，形成相似度矩阵X；用所述实体集的第二组属性，用第二距离计算方法，形成相似度矩阵L。


3.根据权利要求2所述的非负矩阵社区发现方法，其特征在于，所述第一组属性与所述第二组属性有交集。


4.根据权利要求2所述的非负矩阵社区发现方法，其特征在于，所述第一距离计算方法与所述第二距离计算方法相同。


5.根据权利要求1所述的非负矩阵社区发现方法，其特征在于，所述步骤S13含有L的目标函数
O＝||X-UVT||2+λTr(VTLV)
其中，U和V的矩阵大小分别为m╳k以及k╳n；λ是平滑度，λ值在(0，1]区间；Tr(VTLV)是矩阵的迹；k社区数，初值k<<...

【专利技术属性】
技术研发人员：徐慧，赵莹莹，曹金鑫，鞠小林，周成，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32