結(jié)合社區(qū)中的節(jié)點屬性與結(jié)構(gòu)信息,提出一種子空間異常社區(qū)檢測方法。在待檢測社區(qū)集合中,設計基于屬性平均距離的子空間求解策略、基于負熵加權的子空間推斷策略及子空間融合求解策略,挖掘每個社區(qū)的屬性權重子空間,并根據(jù)社區(qū)結(jié)構(gòu)關系定義社區(qū)質(zhì)量評估模型量化社區(qū)質(zhì)量分數(shù),從而獲得質(zhì)量分數(shù)較低的異常社區(qū)集合。實驗結(jié)果表明,該方法可以準確地發(fā)現(xiàn)異常社區(qū),并且在人工網(wǎng)絡和真實網(wǎng)絡數(shù)據(jù)集上相比AMEN、SODA等檢測方法具有更好的魯棒性和可擴展性。 

【文章來源】：計算機工程. 2020,46(06)北大核心CSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
0 概述
1 相關工作
2 屬性子空間挖掘
    2.1 問題定義
    2.2 基于屬性平均距離的子空間求解策略
    2.3 基于負熵加權的子空間推斷策略
    2.4 子空間融合求解策略
3 融合節(jié)點屬性與結(jié)構(gòu)信息的異常社區(qū)檢測
4 實驗結(jié)果與分析
    4.1 實驗設置
        4.1.1 數(shù)據(jù)集
        4.1.2 實驗基準及評價指標
    4.2 結(jié)果分析
        4.2.1 人工網(wǎng)絡分析
        4.2.2 真實網(wǎng)絡分析
5 結(jié)束語


【參考文獻】：
期刊論文
[1]基于結(jié)構(gòu)緊密性的重疊社區(qū)發(fā)現(xiàn)算法[J]. 潘劍飛,董一鴻,陳華輝,錢江波,戴明洋.  電子學報. 2019(01)
[2]融合標簽平均劃分距離和結(jié)構(gòu)關系的微博用戶可重疊社區(qū)發(fā)現(xiàn)[J]. 馬慧芳,陳海波,趙衛(wèi)中,邴睿,黃樂樂.  電子學報. 2018(11)
[3]一種集成鏈接和屬性信息的社區(qū)挖掘方法[J]. 賀超波,湯庸,劉海,趙淦森,陳啟買,黃昌勤.  計算機學報. 2017(03)
[4]一種基于增量式譜聚類的動態(tài)社區(qū)自適應發(fā)現(xiàn)算法[J]. 蔣盛益,楊博泓,王連喜.  自動化學報. 2015(12)
[5]解決文本聚類集成問題的兩個譜算法[J]. 徐森,盧志茂,顧國昌.  自動化學報. 2009(07)



本文編號：3469431