社区层次保持异构网络表示

仅拓扑超越属性与标签方法

这套方法只用网络拓扑，就能同时保留细粒度社区内结构和粗粒度社区间关系，四份真实数据上比使用节点属性与标签的方法更好。

Zhao, Huanjing · Pinde, Rui · 陈洁 · 张燕平 · Yi, Wang · Zhao, Shu · 唐杰

Knowledge-Based Systems 2023

参数信息

最佳性能对比方法数

4

技术优势

保住社区层次

在多个同质子网络上从细到粗构建层次网络，显式保留社区内结构和社区间关系，弥补现有方法忽略的多尺度结构信息。

不用属性照样赢

只使用网络拓扑，就在四个真实数据集上优于同时使用节点属性和标签训练的方法，省去属性清洗和标签获取成本。

应用场景

• 社交网络分析：为社区发现提供保留层次结构的节点表示，便于识别不同粒度的社交群体。
• 学术网络分析：用多粒度社区层次捕捉作者与论文的嵌套组织，改进学者合作模式挖掘。
• 推荐系统：利用社区层次细化用户与物品的多尺度相似性，提升推荐多样性。
• 知识图谱嵌入：在多种语义子图中保留社区层次，增强实体关系的多粒度结构建模。
• 欺诈检测：异常行为常偏离正规社区层次，层次感知表示可辅助识别欺诈实体。