一种社团导向的多层网络表征学习方法

摘要

本发明公开一种社团导向的多层网络表征学习方法，主要分为以下两个过程：首先，在单层网络中通过融合模块度与一阶二阶节点相似性的非负矩阵分解方法进行节点表示学习；然后，通过多层网络中的层间依赖关系将多个单层网络模型结合为一个统一的多层网络节点表达学习模型。首先，本方法研究了保持社区结构的多层网络节点表示的问题，使用微结构和介观结构来指导多层网络中的网络嵌入问题。其次，本方法采用了矩阵分解的方法，并已经证明了最终目标函数的收敛性。最后，本方法已经进行了相关实验，充分证明了其有效性。