文件名称：DANMF:“用于社区检测的类似于深度自动编码器的非负矩阵分解”的稀疏性实现（CIKM 2018）
文件大小：2.22MB
文件格式：ZIP
更新时间：2024-05-21 03:31:01
data-science machine-learning deep-learning clustering word2vec
丹佛 ⠀ ⠀ 类似于Deep Autoencoder的非负矩阵分解用于社区检测的实现（CIKM 2018）。 抽象的 社区结构在现实世界的复杂网络中无处不在。 在各种应用中，通过这些网络进行社区检测的任务至关重要。 近年来，非负矩阵分解（NMF）由于其强大的可解释性和捕获节点社区成员的自然适应性，已被广泛用于社区检测。 但是，现有的基于NMF的社区检测方法是浅薄的方法。 他们通过将原始网络直接映射到社区成员资格空间来学习社区分配。 考虑到现实世界网络的复杂且多样化的拓扑结构，原始网络与社区成员空间之间的映射很有可能包含相当复杂的分层信息，而这是经典的基于浅NMF的方法无法解释的。 受深度自动编码器独特的功能表示学习能力的启发，我们提出了一种新型模型，称为类似于深度自动编码器的NMF（DANMF），用于社区检测。 类似于深度自动编码器，DANMF由编码器组件和解码器组件组成。 这种体系结
【文件预览】：
DANMF-master
----input()
--------ptbr_edges.csv(279KB)
--------chameleon_edges.csv(63KB)
--------giraffe_edges.csv(119KB)
----.github()
--------FUNDING.yml(31B)
----output()
--------chameleon_danmf.csv(295KB)
--------ptbr_membership.json(20KB)
--------chameleon_membership.json(10KB)
--------ptbr_danmf.csv(303KB)
----LICENSE(34KB)
----18DANMF.pdf(2.02MB)
----src()
--------main.py(524B)
--------danmf.py(5KB)
--------parser.py(2KB)
--------utils.py(1KB)
----danmf.jpg(170KB)
----README.md(6KB)