数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2014年
5期
833-839
,共7页
张梁梁%潘志松%李国鹏%胡谷雨
張樑樑%潘誌鬆%李國鵬%鬍穀雨
장량량%반지송%리국붕%호곡우
小波去噪%非负矩阵分解%社团发现%有向加权社团
小波去譟%非負矩陣分解%社糰髮現%有嚮加權社糰
소파거조%비부구진분해%사단발현%유향가권사단
wavelet denoising%non-negative matrix factorization%community detection%weighted directed community
目前大部分社团发现方法都是针对无向无权图,但实际的社会媒体中的社团内部个体交互过程可以抽象为一个有向加权图,并且权重中含有大量的噪声.为解决有向加权社团的划分问题,本文提出一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)可去噪声的社团发现方法.该方法通过小波阈值去噪对社会网络数据进行去噪处理,结合有向加权的非负矩阵分解算法对去噪后的数据集进行社团发现,准确找出社团结构.在社会媒体的实验数据集和标准数据集上的实验结果表明,该算法针对带噪声的有向加权图社团发现问题具有良好划分性能,SNR为15时,在Lesmis数据集上的社团划分准确率达到96％,划分模块度值提高了29％.本文为解决带噪的有向加权的社会网络数据提供了切实有效的处理方法.
目前大部分社糰髮現方法都是針對無嚮無權圖,但實際的社會媒體中的社糰內部箇體交互過程可以抽象為一箇有嚮加權圖,併且權重中含有大量的譟聲.為解決有嚮加權社糰的劃分問題,本文提齣一種基于非負矩陣分解(Nonnegative matrix factorization,NMF)可去譟聲的社糰髮現方法.該方法通過小波閾值去譟對社會網絡數據進行去譟處理,結閤有嚮加權的非負矩陣分解算法對去譟後的數據集進行社糰髮現,準確找齣社糰結構.在社會媒體的實驗數據集和標準數據集上的實驗結果錶明,該算法針對帶譟聲的有嚮加權圖社糰髮現問題具有良好劃分性能,SNR為15時,在Lesmis數據集上的社糰劃分準確率達到96％,劃分模塊度值提高瞭29％.本文為解決帶譟的有嚮加權的社會網絡數據提供瞭切實有效的處理方法.
목전대부분사단발현방법도시침대무향무권도,단실제적사회매체중적사단내부개체교호과정가이추상위일개유향가권도,병차권중중함유대량적조성.위해결유향가권사단적화분문제,본문제출일충기우비부구진분해(Nonnegative matrix factorization,NMF)가거조성적사단발현방법.해방법통과소파역치거조대사회망락수거진행거조처리,결합유향가권적비부구진분해산법대거조후적수거집진행사단발현,준학조출사단결구.재사회매체적실험수거집화표준수거집상적실험결과표명,해산법침대대조성적유향가권도사단발현문제구유량호화분성능,SNR위15시,재Lesmis수거집상적사단화분준학솔체도96％,화분모괴도치제고료29％.본문위해결대조적유향가권적사회망락수거제공료절실유효적처리방법.
