基于图表示学习的社区搜索方法研究.pdf

基于图表示学习的社区搜索方法研究

摘要

社区搜索是有关社会网络的热点研究方向，但目前的研究内容仍存在局限性。一

方面现有研究多数是依据特定的社区结构进行搜索的，考虑属性信息的方法较少，并

且这些方法无法很好地平衡拓扑结构信息及属性信息之间的关系。另一方面现实世界

的社交关系是时刻都在变化的，考虑过去一段时间内用户的社交情况有助于对当前其

所属社区进行分析。

本文提出了一种基于动态节点嵌入的社区搜索算法DyCS-NESA，该算法包括

DyNESA模型和CSNE算法两部分。DyNESA模型同时保存了节点的拓扑结构信息和

属性信息，针对现有方法未考虑到部分节点仅有少数亲密邻居的问题，在有偏游走方

式的基础上增加终止概率来进行改进。针对现有方法未考虑属性信息或无法很好平衡

其与结构信息之间的关系的问题，使用启发式策略对NodeStr算法和NodeAtt算法得到

的节点嵌入向量进行结合从而获得最终向量表示。为了更好的获取动态图的演变情况，

采用多头注意力机制及多个堆叠层对图结构的变化进行捕获。CSNE算法是基于节点向

量表示的社区搜索算法，解决了现有社区搜索算法对图结构要求过高且未考虑属性信

息而导致的社区缺