Fatoração de Matriz Não Negativa Regularizada por Gráfico para Detecção de Comunidades em Redes Atributadas

A detecção de comunidades tornou-se um tema de pesquisa importante em aprendizado de máquina devido à proliferação de dados de rede. No entanto, a maioria dos métodos existentes foi desenvolvida apenas com base na exploração das estruturas topológicas da rede, o que pode resultar na perda da vantagem de utilizar as informações de atributos dos nós. Como resultado, espera-se que muita informação valiosa que poderia ser utilizada para melhorar a qualidade das comunidades descobertas seja ignorada. Para resolver esta limitação, propomos um novo método de Fatoração de Matriz Não Negativa de Regularização por Gráfico Aumentado para Redes Atributadas (AGNMF-AN), que é simples, mas eficaz. Primeiramente, o Gráfico Atribuído Aumentado (AAG) é aplicado para combinar tanto a estrutura topológica quanto os nós atribuídos da rede. Em segundo lugar, introduzimos uma estrutura eficaz para atualizar a matriz de afinidade, na qual o peso da matriz de afinidade em cada iteração é modificado de forma adaptativa em vez de usar uma matriz de afinidade fixa nos métodos clássicos de fatoração de matriz não negativa baseados em regularização gráfica. Por fim, a norma l₂, ₁ é utilizada para reduzir o efeito de ruídos aleatórios e pontos fora da curva na qualidade da comunidade estrutural. Resultados experimentais mostram que nosso método apresenta desempenho inesperadamente bom em comparação com métodos de ponta existentes em redes atribuídas.