公开(公告)号：CN110837863A

公开(公告)日：2020-02-25

申请号：CN201911078645.6

申请日：2019-11-07

Applicant: 仲恺农业工程学院

Inventor： 贺超波 ,  汤庸 ,  刘双印 ,  刘海 ,  付志文 ,  郑建华 ,  陈国华

IPC: G06K9/62 ,  G06F16/901

Abstract: 本发明公开本发明一种基于正交鲁棒NMF的图节点聚类方法的流程图，其过程简化为：步骤一、形式化表示图数据为G＝(V,E)；步骤二、构建图数据邻接矩阵A；步骤三、基于正交鲁棒非负矩阵分解构建图节点聚类模型；步骤四、求解图节点聚类模型获得W和H矩阵；步骤五、根据矩阵H获得图节点聚类结果。本发明对节点聚簇指示矩阵施加正交约束可以进一步提高该矩阵的稀疏性并让节点聚簇归属关系更加清晰，同时通过采用L2,1范数设计目标函数提高聚类模型应对噪声的鲁棒性，从而最终可以提高图节点的聚类质量。此外，通过将正交约束转为聚类模型的正则项，并引入拉格朗日乘数法大大简化了模型的求解过程。

公开(公告)号：CN105760426B

公开(公告)日：2018-12-21

申请号：CN201610059166.X

申请日：2016-01-28

Applicant: 仲恺农业工程学院 ,  华南师范大学

Inventor： 贺超波 ,  汤庸 ,  刘海 ,  陈国华 ,  付志文 ,  杨灵 ,  张世龙

IPC: G06F17/30 ,  G06Q50/00

Abstract: 本发明提出一种面向在线社交网络的主题社区挖掘方法，该方法是基于非负矩阵分解(Nonnegative Matrix Factorization，NMF)的主题社区挖掘方法，可以通过NMF模型统一集成用户节点链接和内容信息，并应用矩阵近似分解方法得到用户节点与社区之间的归属关系矩阵以及各社区与主题特征词之间的关联强度矩阵，从而可以利用分解矩阵信息直接挖掘主题社区。该方法不仅可以采用统一模型处理用户节点的链接和内容两类信息，而且挖掘过程更加简单有效，具备更好的挖掘质量，因此更适合实际应用于挖掘在线社交网络存在的主题社区。

公开(公告)号：CN105760426A

公开(公告)日：2016-07-13

申请号：CN201610059166.X

申请日：2016-01-28

Applicant: 仲恺农业工程学院 ,  华南师范大学

Inventor： 贺超波 ,  汤庸 ,  刘海 ,  陈国华 ,  付志文 ,  杨灵 ,  张世龙

IPC: G06F17/30 ,  G06Q50/00

CPC classification number: G06F17/30616 ,  G06Q50/01

Abstract: 本发明提出一种面向在线社交网络的主题社区挖掘方法，该方法是基于非负矩阵分解(Nonnegative Matrix Factorization，NMF)的主题社区挖掘方法，可以通过NMF模型统一集成用户节点链接和内容信息，并应用矩阵近似分解方法得到用户节点与社区之间的归属关系矩阵以及各社区与主题特征词之间的关联强度矩阵，从而可以利用分解矩阵信息直接挖掘主题社区。该方法不仅可以采用统一模型处理用户节点的链接和内容两类信息，而且挖掘过程更加简单有效，具备更好的挖掘质量，因此更适合实际应用于挖掘在线社交网络存在的主题社区。