一种基于深度图信息最大化的动态社团挖掘方法

摘要

本发明公开了一种基于深度图信息最大化的动态社团挖掘方法，属于人工智能与复杂网络技术领域；首先，构建网络中节点的相似度矩阵，利用节点的相似度，衡量邻居节点对于每个节点的重要性。然后，在单个时间步上使用图卷积神经网络，提取出每个时间步上的特征矩阵，在学习过程中，借助LSTM更新下一个时间步的特征矩阵的权重系数。在提取完所有时间步上的特征矩阵后，利用余弦相似度平滑相邻两个时间步的特征矩阵，保证相邻时间步的差距较小。通过结合相似聚合策略，在单个时间步上利用图卷积神经网络进行特征提取，在相邻时间步间使用余弦相似度进行平滑操作，高效地提取出动态网络的特征矩阵。最后，将得到的特征矩阵输入到k‑means算法中，得到社团划分。