典型文献
一种基于相似性注意力的社区发现模型
文献摘要：
图卷积网络可以有效融合属性网络的拓扑结构和节点属性,已被应用于社区发现领域中.然而,现实中的复杂网络规模庞大,导致图卷积网络无法识别出对社区结构的形成具有较大影响力的节点,从而带来严重的噪声.针对这一问题,提出了一种基于相似性注意力的社区发现模型.该模型以编码-解码方式构建信息传播框架,将图注意力网络作为编码器对网络结构和节点属性进行深度融合,使用相似性注意力为影响力更大的节点赋予更高的权重,并设计了结构解码器和属性解码器分别用于重构网络的拓扑信息和属性信息;构造模块度优化器实现社区结构的划分与优化.在真实网络数据集上对本文提出模型的有效性进行了验证,结果表明该模型相比Infomap、LPA、GAE和JGE-CD等方法具有更好的社区发现能力.
文献关键词：
社区发现;属性网络;图注意力网络;相似性注意力
中图分类号：
作者姓名：
杜航原;姚倩;冯劲松;王文剑
作者机构：
山西大学计算机与信息技术学院,山西太原030006;太原市环卫产业管理中心,山西太原030002
文献出处：
引用格式：
[1]杜航原;姚倩;冯劲松;王文剑-.一种基于相似性注意力的社区发现模型)[J].山西大学学报（自然科学版）,2022(06):1513-1522
A类：
相似性注意力,JGE
B类：
社区发现,图卷积网络,有效融合,属性网络,拓扑结构,节点属性,复杂网络,网络规模,社区结构,信息传播,传播框架,图注意力网络,编码器,解码器,拓扑信息,属性信息,模块度,优化器,真实网络,网络数据,出模,Infomap,LPA,GAE,CD
AB值：
0.321734
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
