一种新的属性图重叠聚类挖掘算法

摘要

属性图各节点附有的节点属性标签，为节点提供了更加丰富的信息，在数据挖掘应用，特别是数据聚类问题中如何有效利用这些丰富的信息，已经成为开展此类研究的研究目的。不同于传统图聚类，属性图上的聚类要同时考虑图的结构信息和节点的属性信息，因此如何平衡两者之间的关系，这是属性图聚类主要关注所在。目前已提出的属性图聚类算法，部分算法的效率很高，然而聚类质量较差，同时一些算法可以得到较好的聚类结构，然而算法消耗大量的系统资源，效率也较低。这些算法均没有考虑簇之间存在重叠的情况，这导致无法得到更高精度的聚类结构。因而提出一种属性图上的重叠聚类挖掘算法，实验表明，提出的算法可以得到更高的聚类精度，特别是可以提升聚类内部节点的属性相似度。