原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第58卷第2期武汉大学学报（工学版）Vol.58No.2
2025年2月EngineeringJournalofWuhanUniversityFeb.2025
DOI：10.14188/j.1671-8844.2022.0514文章编号：1671-8844（2025）02-0325-09
动态网络保留社区结构嵌入
彭姿文，周建国
（武汉大学电子信息学院，湖北武汉430072）
摘要:针对现有的网络嵌入方法大多只考虑静态网络，应用于动态网络时无法保留时间相关性，以及现有的动态
网络嵌入方法仅保留网络的局部结构信息而忽略网络全局结构的问题，考虑到属于同社区的节点在低维空间也应
更接近，提出一种动态网络保留社区结构（dynamicnetworkpreservationcommunitystructure，DynPCS）嵌入方法。
设计模型以协同学习网络嵌入和社区检测，将网络的局部和全局特征转化为低维稠密的实数向量，并利用长短期
记忆网络学习网络的动态变化，捕获动态网络的演化模式。在4个真实数据集上进行实验，结果表明：所提方法应
用于下游社区检测任务时，在归一化互信息和调整兰德系数2个指标上均优于现有的相关方法，能够保留网络社区
结构，挖掘网络潜在的隐藏关系。
关键词：网络表示学习；动态网络；社区检测；概率生成模型；长短期记忆网络
中图分类号：TP391文献标志码：A
Dynamicnetworkembeddingofpreservedcommunity
structureinformation
PENGZiwen，ZHOUJianguo
（SchoolofElectronicInformation，WuhanUniversity，Wuhan430072，China）
Abstract：Mostofthecurrentnetworkembeddingapproachesmerelyconsiderstaticnetworksandfailtoretain
temporalcorrelationwhenappliedtodynamicnetworks.Moreover,theexistingdynamicnetworkembedding
methodsmerelypreservethelocalstructuralinformationofthenetworkwhileneglectingtheglobalstructureof
thenetwork.Consideringthatnodesbelongingtothesamecommunityshouldalsobecloserinlow-dimensional
space,thispaperproposesadynamicnetworkembeddingmethod(DynPCS)thatcanpreservethecommunity
structure.Themodeldesignedcollaborativelylearnsnetworkembeddingandcommunitydetection,thelocal
andglobalfeaturesofthenetwork
文档评论（0）