用于社区发现的多模态聚类
社会与信息网络
2017-03-01 v1 离散数学
机器学习
摘要
多模态聚类是一种无监督技术，用于挖掘 n 元二元关系或 n 模网络中的有趣模式。在这些广义模式的不同类型中，可以找到适用于 2 模情形的双聚类和形式概念（极大双团）、适用于 3 模情形的三聚类和三概念、适用于 n 模情形的闭合 n 集等。用于挖掘大型二元数据表（形式背景或 2 模网络）的对象-属性双聚类（OA-双聚类）在上个十年末因形式概念相关计算问题的难解性而兴起；这种模式类型被提议作为形式概念的一种有意义且可扩展的近似。在本文中，我们的目标是展示 OA-双聚类的最新进展及其在社会网络分析（SNA）背景下挖掘多模社区的扩展。我们还讨论了 SNA 社区中已知的 1 模和 2 模网络聚类系数与 OA-双聚类密度（OA-双聚类的主要质量度量）之间的联系。我们在 2 模、3 模和 4 模大型真实世界网络上的实验表明，尽管由于计算困难，相应 n 团的数目仍然未知，但这种模式类型适用于在合理时间内进行多模情况下的社区发现。本文还提供了对 1 模网络 OA-双聚类的解释。
引用
@article{arxiv.1702.08557,
title = {Multimodal Clustering for Community Detection},
author = {Dmitry I. Ignatov and Alexander Semenov and Daria Komissarova and Dmitry V. Gnatyshak},
journal= {arXiv preprint arXiv:1702.08557},
year = {2017}
}