-
公开(公告)号：CN110136017A
公开(公告)日：2019-08-16
申请号：CN201910277684.2
申请日：2019-04-08
Applicant: 复旦大学
IPC: G06Q50/00 , G06F16/901 , G06N3/04
Abstract: 本发明属于大数据技术领域，具体为一种基于数据增强和非负矩阵稀疏分解的群组发现方法。本发明通过循环神经网络学习节点有属性的网络中不同属性的节点的邻居分布，抽取由多个节点的相似的邻居分布形成的邻居模式用以增强数据，再通过交替最小二乘和吉洪诺夫正则化进行非负矩阵的稀疏分解发现群组，提升群组发现的准确性。本发明通过数据增强对网络拓扑结构的边进行了填补，使得矩阵分解时尽量不迭代出全零的行，保证迭代稳定；并且，以非负矩阵稀疏分解的方法得到稀疏的群组表示，不会得到大量非零的概率，增强了群组发现方法的可解释性，解决了大量非零概率难以解释群组隶属关系的难题。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
