基于多視角社區(qū)發(fā)現(xiàn)的實(shí)體聚類算法.pdf

1、近年來，多種形式的網(wǎng)絡(luò)社交平臺愈演愈烈，用戶可以利用這些社交網(wǎng)站和內(nèi)容共享平臺來建立自己的社交關(guān)系，如與他人實(shí)時交流，發(fā)表文章，與他人共享資源等。因此，需要在社會關(guān)系網(wǎng)圖中識別出在某一屬性達(dá)到局部最優(yōu)的稠密子圖，即社區(qū)發(fā)現(xiàn)(CommunityDetection，也稱為社區(qū)挖掘)，社區(qū)發(fā)現(xiàn)是數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)和圖論等理論研究的熱點(diǎn)。現(xiàn)如今，社區(qū)發(fā)現(xiàn)技術(shù)更是廣泛的使用在犯罪團(tuán)伙檢測，蛋白質(zhì)功能檢測，Web社區(qū)檢測和文檔歸類等不同領(lǐng)域。

2、>　　在龐大的社交關(guān)系網(wǎng)絡(luò)中，一方面?zhèn)鹘y(tǒng)的單視角社區(qū)挖掘算法劃分條件比較單一，所考慮的影響因素不全面，從而導(dǎo)致了其劃分結(jié)果的不精確。另一方面，現(xiàn)有的多視角社區(qū)發(fā)現(xiàn)算法雖然可以用來挖掘全局網(wǎng)絡(luò)的復(fù)雜關(guān)系，但限制條件比較多，適用性很低。
　　針對上述問題，本文介紹了一種基于多視角社區(qū)發(fā)現(xiàn)的實(shí)體聚類算法，并從多個角度進(jìn)行改進(jìn)，本文的主要貢獻(xiàn)點(diǎn)如下:
　　(1)提出一個2階段多視角網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)模型2-MND(Two-stage Mu

3、ltiple Views Network Detecting Model)，不同于傳統(tǒng)的發(fā)現(xiàn)模型，該發(fā)現(xiàn)方法利用各個視角中的相互促進(jìn)關(guān)系來提升局部社區(qū)發(fā)現(xiàn)的準(zhǔn)確性，并通過聚類融合的方法來優(yōu)化全局社區(qū)發(fā)現(xiàn)劃分性能。
　　(2)提出多視角局部協(xié)同選擇聚類算法(CollaborativeMulti-view Local Selecting Clustering，即co-MLSC)，使用局部協(xié)同訓(xùn)練方法解決大多數(shù)多視角聚類算法中充分條件的