一种多视图社交网络社区发现方法技术

本发明专利技术公开一种多视图社交网络社区发现方法

【技术实现步骤摘要】
一种多视图社交网络社区发现方法、系统及设备


[0001]本专利技术涉及社交网络数据分析领域，特别是涉及一种多视图社交网络社区发现方法
、
系统及设备
。

技术介绍

[0002]近年来，随着社交网络的相关技术迅速发展，人们的社交生活也相应的发生了改变，为用户带来了全新的体验，如社交网络的搜索
、
在线购物
、
社区服务等
。
与此同时，随着社交网络的信息化水平的提升，用户数据的规模不断扩大，其质量也不断提高，用户间的关系也呈现多元化例如：共同好友
、
共同兴趣爱好
、
多种交互行为等
。
这种大规模高质量的多视图用户数据为社交网络管理
、
用户行为分析和商业营销提供了更加立体视角和丰富的数据资源
。
将社交网络视为一个生态系统，了解用户的兴趣
、
习惯和行为对于社交网络的发展和用户体验的优化具有重要的意义
。
[0003]在大数据时代，面对海量的数据资源，如何从中获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多视图社交网络社区发现方法，其特征在于，包括：获取多视图网络数据；所述多视图网络数据包括：基本属性信息
、
社交关系
、
共同兴趣爱好关系以及交互行为记录；利用低通滤波器分别对多视图网络数据进行滤波处理，得到每一视图的平滑表示；利用注意力机制融合机制对每一视图的平滑表示进行融合，得到融合表示；利用学习权重对每一视图对应的拉普拉斯矩阵进行融合，得到融合的拉普拉斯矩阵；根据融合表示和融合的拉普拉斯矩阵，采用训练好的基于注意力机制融合机制的
MLP
网络，确定嵌入表示；对嵌入表示进行聚类得到最终的聚类结果，实现社交网络中的社区发现
。2.
根据权利要求1所述的一种多视图社交网络社区发现方法，其特征在于，所述获取多视图网络数据，之后还包括：对多视图网络数据进行预处理；预处理包括：填补缺失值以及剔除异常值；将预处理后的基本属性信息表示为
X
矩阵形式；将社交关系
、
共同兴趣爱好关系以及交互行为记录表示为邻接矩阵形式
A1,A2……
A
M
。3.
根据权利要求1所述的一种多视图社交网络社区发现方法，其特征在于，所述利用注意力机制融合机制对网络数据的平滑表示进行融合，得到融合表示，具体包括：根据初始的权重确定初始的融合表示；对初始的融合表示进行谱聚类，得到聚类结果
P
；对平滑表示进行进行谱聚类得到聚类结果
Q
m
；根据聚类结果
P
和聚类结果
Q
m
更新初始的权重，得到当前更新后的权重；当当前更新后的权重与上一次更新后的权重的差值小于差值阈值时，利用当前更新后的权重确定融合表示；当当前更新后的权重与上一次更新后的权重的差值不小于差值阈值时，返回所述根据初始的权重确定初始的融合表示的步骤，直至当前更新后的权重与上一次更新后的权重的差值小于差值阈值
。4.
根据权利要求1所述的一种多视图社交网络社区发现方法，其特征在于，所述利用学习权重对每一视图对应的拉普拉斯矩阵进行融合，得到融合的拉普拉斯矩阵，具体包括：利用公式确定融合的拉普拉斯矩阵；其中，为融合的拉普拉斯矩阵，
t
＝
{t1,t2……
t
M
}
，为学习矩阵，
t
m
为第
m...

【专利技术属性】
技术研发人员：赵兴旺，侯哲栋，姚凯旋，梁吉业，
申请(专利权)人：山西大学，
类型：发明
国别省市：