技术特征:
技术总结
发明涉及一种基于栈式自编码器的动态网络社团结构识别方法,属于人工智能与复杂网络领域。首先线性构建动态网络的时序矩阵考虑前后时刻两个快照网络结构的相关性,同时得到相应的模块度矩阵;将栈式自编码器应用到动态网络中进行特征提取,把模块度矩阵映射到低维空间中进行非线性表示学习;然后在栈中的隐含层向量中,利用k‑means算法进行聚类,并用标准互信息对结果进行评价,最后找到最优的聚类结果。本发明能够确保当前时刻网络上的社团质量。为了降低栈式自编码器过拟合的影响,增加了基于时间平滑约束的正则项。利用上一时刻网络的社团结构作为先验信息,进一步引导编码器中节点映射,从而提高网络社团识别的质量。
技术研发人员:高超;陈正鹏;王震;李向华
受保护的技术使用者:西南大学
技术研发日:2019.01.11
技术公布日:2019.05.10