论文部分内容阅读
动态网络的社区发现是目前复杂网络分析领域的重要研究内容,然而现有动态网络社区发现方法主要针对同质网络,当网络包含多种异质信息时,现有方法不再适用。针对这个问题,提出了一种基于联合矩阵分解的动态异质网络社区发现方法。首先计算动态异质网络中各个快照图的拓扑相似度矩阵和多关系相似度矩阵;其次利用时序联合非负矩阵分解方法,约束各个时刻快照图的社区划分;最后在真实网络数据集上与K-means、Meta Fac算法进行比较实验,提出算法能够充分利用网络的异质信息与拓扑信息,异质网络社区划分精度优于Meta Fa