第４６卷第１期２０２３年３月南京师大学报（自然科学版）ＪＯＵＲＮＡＬＯＦＮＡＮＪＩＮＧＮＯＲＭＡＬＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ.４６Ｎｏ.１Ｍａｒ，２０２３收稿日期：２０２１－１２－３１．基金项目：国家自然科学基金面上项目（６１９７６１２０）、江苏省自然科学基金面上项目（ＢＫ２０１９１４４５）、江苏省高等学校自然科学研究面上项目（２１ＫＪＢ５２００１８）、南通大学人才引进项目（０３０８１１９８）．通讯作者：曹金鑫，博士，讲师，研究方向：数据挖掘、机器学习、社团检测等．Ｅ⁃ｍａｉｌ：ａｌｆｒｅｄ７ｃ＠ｎｔｕ．ｅｄｕ．ｃｎｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－４６１６．２０２３．０１．０１７结合网络拓扑与节点内容的统一化半监督社团检测方法许伟忠１，曹金鑫１，金弟２，孙翔３，张晓峰１，刘路３，丁卫平１（１．南通大学信息科学技术学院，江苏南通２２６０１９）（２．天津大学智能与计算学部，天津３００３５０）（３．莱斯特大学信息学院莱斯特，英国ＬＥ１７ＲＨ）［摘要］在复杂网络分析中，社团检测发挥着越来越重要的作用，而在实际应用中如何提高社团检测的性能仍是一个共同研究目标．由于网络节点中内容信息有助于社团识别，一些方法侧重于将网络拓扑和节点内容相结合，并且获得了不错效果．此外，也有些方法借用节点之间的拓扑相似度，以提升实现社团检测性能．鉴于此，我们提出了一个统一化方法，结合节点内容的半监督社团检测，简称ＳＣＤＮＣ．在该方法中，我们不仅将链接增强应用于社团检测，而且实现了拓扑和内容有机融合．首先，我们运用随机模型来描述节点社团隶属度．其次，我们构建出一个刻画节点内容社团隶属度的随机块模型，节点社团隶属度作为节点内容的权重向量，以实现拓扑和内容结合．再次，我们利用网络中节点之间的拓扑相似度构建先验信息，即，使网络中节点与其最相似的邻居节点具有相同的隶属度分布．最后，使用非负矩阵分解的方法学习新模型的统一化参数．在带有真实标签的人工网络和真实网络上，我们对新方法与一些当前流行的社团检测方法进行了性能比较．实验结果显示，通过融合节点内容和先验信息强化的链接，新方法检测社团的性能取得了显著提升．［关键词］社团检测，节点内容，先验信息，随机块，非负矩阵分解［中图分类号］ＴＰ１８２［文献标志码］Ａ［文章编号］１００１－４６１６（２０２３）０...
