基于图神经网络的社会物联网聚类
社会与信息网络
2020-07-09 v1 网络与互联网体系结构
摘要
本文中，我们提出一种机器学习流程，用于将大规模社会物联网（SIoT）设备聚类为若干具有强关联的相关设备组。为此，我们基于物联网设备及其社会关系的历史数据集生成无向加权图。利用这些图的邻接矩阵与物联网设备特征，我们通过图神经网络（GNN）嵌入图的节点，以获得物联网设备的数值向量表示。该向量表示不仅反映设备自身特征，也反映其与同侪的关系。所得节点嵌入随后被输入常规无监督学习算法以相应确定聚类。我们使用两种知名聚类算法，具体而言 K-means 与基于密度的发现聚类算法（DBSCAN）来展示所得物联网分组。最后，我们将所提基于 GNN 的聚类方法在覆盖度与模块度方面的性能，同仅应用于由不同关系所建图的确定性 Louvain 社区检测算法进行比较。结果表明，该框架在大规模物联网系统聚类中取得了有前景的初步结果。
引用
@article{arxiv.2007.03892,
title = {Graph Neural Networks-based Clustering for Social Internet of Things},
author = {Abdullah Khanfor and Amal Nammouchi and Hakim Ghazzai and Ye Yang and Mohammad R. Haider and Yehia Massoud},
journal= {arXiv preprint arXiv:2007.03892},
year = {2020}
}
备注
5 pages, 3 figures, 1 table, conference