一、动机
从低秩嵌入的角度来看,现有的多种社团检测算法中有两类代表:随机模型(Stochastic Model)和模块度最大化模型(Modularity Optimization Model)。在这两种算法的设计中用到了非负矩阵分解和奇异值分解,这两种方法为线性映射。但是,真实的网络存在不同的非线性特征,使得这些方法不能很好地运用。目前,神经网络是一个非常好的非线性映射的方法,所以作者将深度学习应用于社团检测,提出了Nonlinear Reconstruction(DNR)算法。
二、贡献
1、 具作者所知,他们是第一次成功将深度学习用于社团检测的;
2、 提出了DNR模型;
3、 在DNR的基础上加入节点之间关系的约束,提出了semi-DNR模型
三、问题描述:
给定一个无向无权图 G(N,E) G ( N , E ) , N N 为顶点数,