阅读文献:社会网络中社团发现及网络演化分析 北京邮电大学
注意:一下内容均摘自该论文,引用时请标准参看文献。如果想深入阅读请查看原文。
第五章基于张量分解的社团演化分析算法
一、扫盲
1.分析动态网络社团结构的变化
2. 社团演化与网络结构的演化息息、相关,社团演化既体现了网络微观层面的高度动态性,又体现了网络在宏观层面的稳定性,呈现出缓慢、平缓变化的特点。
3.我们采用了高维度的张量来表示随时间变化的网络数据。
4.张量模型是指维数大于2的数表,是多维线性代数中的一种重要数学模型。
5.由于张量可以表示多维度数据,因而比矩阵模型更加接近事物的本质属性。
6.构造张量:在真实的社团演化分析中,我们对每个时间片上的网络构建节点的相似性矩阵,再加上时间维度构造网络的相似性张量。通过对相似性张量进行分解,从而挖掘出网络中的潜在的演化规律。
7.在张量分解的基础上本文提出了两个
评价指标:社团结构凝聚度和社团演化活跃度,用于分析网络中社团结构随时间的演化信息
二、张量
张量(Tensor)是向量和矩阵概念的高维扩展,标量(Scalar)是零阶张量,
向量(Vector)是一阶张量,
矩阵(Matrix)是二阶张量。
三阶张量如同一个立方体,张量还可以表示更高阶数据。
(想法:与数据立方体联系)
从表示形式上来看,矩阵是一个包含横向和纵向的二维表格,k阶张量就是一个包含k维的表格。张量也称为多维矩阵。