基于融合嵌入向量的多目标优化社区发现  

Multi-objective optimization community detection based onfusion embedding vector

作　　者：韩存鸽 陈展鸿 郭昆[2] HAN Cun-ge;CHEN Zhan-hong;GUO Kun(College of Mathematics and Computer Science,Fujian Key Laboratory of Big Data Application and Intellectualization for Tea Industry,Wuyi University,Wuyishan 354300,China;College of Computer and Big Data,Fuzhou University,Fuzhou 350108,China)

机构地区：[1]武夷学院数学与计算机学院福建省茶产业大数据应用与智能化重点实验室,福建武夷山354300 [2]福州大学计算机与大数据学院,福建福州350108

出　　处：《陕西科技大学学报》2023年第6期184-192,共9页Journal of Shaanxi University of Science & Technology

基　　金：国家自然科学基金项目(U21A20472,62002063);福建省自然科学基金项目(2023J011062,2022J011207);福建省中青年教师教育科研项目(JAT210453)。

摘　　要：社区发现是复杂网络分析的一个主流研究方向,能够发掘隐藏在复杂网络中的社区结构.多目标进化计算算法具有同时优化多个目标以及自动找出最优解的优势,被广泛应用于社区发现.但是,现有进化计算社区发现方法存在搜索能力不高与社区划分精度不高等问题.文中提出一种基于嵌入向量的多目标优化进化计算方法.首先,设计基于融合系数编解码方案,利用节点融合系数结合结构、属性嵌入向量通过加权计算得到融合嵌入向量,使得算法能够不受网络结构限制,以提升算法的搜索能力,从而提高社区划分的质量.其次,设计一种后处理节点修正策略,通过优化模块度与社区内属性相似度来避免解陷入局部最优,提高社区发现的精度.在真实和人工网络数据集上的实验验证了所提算法的有效性.Aiming at the problems of low search ability and low precision of community partition of current evolutionary computation community discovery methods,a multi-objective optimization evolutionary computation method based on embedding vector is proposed.Firstly,the node fusion coefficient is combined with the structure and attribute embedding vectors to obtain the fusion embedding vector through weighted calculation,which allows the algorithm to be free from network structure limitations and improve its search ability,thereby improving the quality of community partitioning.Secondly,design a post processing node correction strategy that avoids the solution falling into local optima and improves the accuracy of community discovery by optimizing module degree and similarity of attributes within the community.Finally,the feasibility and effectiveness of the proposed algorithm were verified through experiments on real network and artificial network datasets.

关 键 词：嵌入向量 社区发现 多目标优化 融合系数 节点修正 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]