结合非负矩阵分解的深度图卷积神经网络用于社区发现
社会与信息网络
2021-03-11 v1
摘要
社区发现是图挖掘中的一项重要任务。由于图数据的非结构性、高维性和稀疏性，获得合适的社区划分并不容易。本文提出一种结合非负矩阵分解的深度图卷积神经网络（DGCN-NMF）用于社区发现。DGCN-NMF 采用多个图卷积层来获取低维嵌入。在每一层中，上一层的输出以及前序输出的非负矩阵分解结果被输入到当前层。输入图的社区划分可通过端到端的方式输出。所提算法与对比算法在实验数据集上进行了测试。实验结果表明，所提算法在实验数据集上优于对比算法。实验结果证明 DGCN-NMF 是一种有效的社区发现算法。
引用
@article{arxiv.2103.05768,
title = {Deep graph convolution neural network with non-negative matrix factorization for community discovery},
author = {Shuliang Xu and Shenglan Liu and Lin Feng},
journal= {arXiv preprint arXiv:2103.05768},
year = {2021}
}
备注
5 pages