计算机应用研究

作者：张军祥,李书琴,刘斌,

单位：西北农林科技大学信息工程学院,陕西杨凌712100；

关键词：深度学习,社区识别,稀疏自编码器,平滑l1范数,

基金：陕西省重点研发计划资助项目(2017GY-197)；中国博士后科学基金资助项目(2017M613216)；陕西省自然科学基金资助项目(2017JM6059)；陕西省博士后基金资助项目(2016BSHEDZZ121)；；

大数据时代，利用传统的社区发现算法对大规模复杂网络进行社区结构挖掘显得愈发困难，准确率也较低。因此，提出一种基于平滑l1范数的深度稀疏自编码器社区发现算法（l1-ECDA）。该算法首先采用基于s跳的方法对网络图的邻接矩阵进行预处理；然后构建基于平滑l1范数的深度稀疏自编码器，并通过训练网络图相似度矩阵得到低维特征矩阵；最后采用K-means算法对低维特征矩阵进行聚类得到网络社区结构。通过在仿真网络与真实网络数据集上的实验表明，l1-ECDA有效提高了社区识别的准确率，且准确率比DBCS算法平均高4%，比DeepWalk和CoDDA算法平均高5.4%。

来源：2020年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第4期