[ICASSP 2024] CDNMF: 一个可信且高效的社区检测（社区发现，图聚类，Community Detection）方法

原创 已于 2024-05-23 19:57:24 修改 · 4k 阅读 · 32 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#聚类 #数据挖掘 #机器学习 #人工智能 #矩阵

于 2024-03-17 02:05:15 首次发布
这篇论文提出了一种新的社区检测算法ContrastiveDeepNonnegativeMatrixFactorization(CDNMF)，通过深化NMF结构、引入对比学习和去偏负采样，解决现有NMF在捕捉层次信息、考虑节点属性和学习全局结构上的问题。CDNMF在ICASSP2024会议上被录用，展示了其在社区检测中的优越性能和高效性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Contrastive Deep Nonnegative Matrix Factorization for Community Detection论文解析

论文链接：https://arxiv.org/abs/2311.02357

Contrastive Deep Nonnegative Matrix Factorization For Community Detection | IEEE Conference Publication | IEEE Xplore

代码链接：https://github.com/6lyc/CDNMF

代码简洁，一键运行，欢迎star以及fork。

English Blog: https://medium.com/@liych168168/cdnmf-a-trustworthy-and-efficient-community-detection-method-88dc9a6aba2b

近日，2024年IEEE声学、语音与信号处理国际会议（2024 IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP 2024）发布录用通知，我们的论文"Contrastive Deep Nonnegative Matrix Factorization for Community Detection”被主轨道——Machine Learning for Signal Processing录用。

ICASSP是由IEEE电气电子工程师学

最低0.47元/天 解锁文章

新学期VIP享超值加赠
【ai】ICASSP 2024 ： Freetalker
突围
05-30 218
https://arxiv.org/pdf/2401.03476
社区发现算法-Community Detection-NormalizeCut/Louvain/NMF/LPA
Zhongsigen的博客
11-01 7520
本文结构安排 图聚类简介 正则化割 Louvain 非负矩阵分解（NMF） 其他常见方法 图(graph):是一种由点和边集构成的结构G=(V,E)G=(V,E)G=(V,E) 图聚类(graph clustering) : 将点划分为不同的簇，使得簇内的边尽量多，簇之间的边尽量少。也称为图划分(partitioning)，社区检查(community detectio...
[论文分享] DANMF：像自编码器（Autoencoder）一样的深度非负矩阵分解（DNMF）算法
m0_50826544的博客
03-19 1331
综合深度自动编码器较强的特征表示学习能力，同时保留了NMF的可解释性，该论文提出了深度自编码非负矩阵分解（DANMF）方法。
论文阅读：CONTRASTIVE DEEP NONNEGATIVE MATRIX FACTORIZATION FOR COMMUNITY DETECTION
最新发布
dundunmm的博客
12-13 2174
最近，非负矩阵分解（NMF）因其良好的可解释性被广泛应用于社区检测。它们直接将原始网络转换为社区成员空间，因此难以捕捉层次信息；它们通常只关注网络的拓扑结构，而忽略节点属性；它们难以学习社区检测所需的全局结构信息。因此，作者提出了一种新的社区检测算法，称为对比深度非负矩阵分解（CDNMF）。首先，作者通过加深NMF模型来增强其信息提取能力。随后，受对比学习的启发，作者创新性地将网络拓扑和节点属性构建为两种对比视图。
【亲测免费】 深度自编码器型非负矩阵分解（DANMF）使用指南
gitblog_00001的博客
09-12 572
深度自编码器型非负矩阵分解（DANMF）使用指南 1. 项目介绍 DANMF，即深度自编码器型非负矩阵分解，是一个基于论文《Deep Autoencoder-like Nonnegative Matrix Factorization for Community Detection》提出的社区检测模型。该模型由Benédék Rozemberczki开发并在GitHub上开源，地址为:https:...
NMF 非负矩阵分解(Non-negative Matrix Factorization)实践
热门推荐
qq_26225295的博客
04-16 1万+
1. NMF-based 推荐算法在例如Netflix或MovieLens这样的推荐系统中，有用户和电影两个集合。给出每个用户对部分电影的打分，希望预测该用户对其他没看过电影的打分值，这样可以根据打分值为其做出推荐。用户和电影的关系，可以用一个矩阵来表示，每一列表示用户，每一行表示电影，每个元素的值表示用户对已经看过的电影的打分。下面来简单介绍一下基于NMF的推荐算法。
负采样方式
weixin_39586997的博客
10-27 2327
一、随机负采样 二、曝光未点击 三、混合负采样 四、重要性采样 五、有偏采样 六、NCE采样 参考： [mixed negative sampling] Mixed Negative Sampling for Learning Two-tower Neural Networks in Recommendations（2020） [Youtube] Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recomme
SAMF代码：用于目标检测的小面积Aeare多聚焦图像融合（ICASSP 2024）附matlab代码.zip
01-26
1.程序语言为matlab，程序可出预测效果图，迭代优化图，相关分析图，运行环境matlab2020b及以上。 2.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3.适用对象：计算机，电子信息工程、数学...
ICASSP2024-Paper-Templates.zip
08-11
ICASSP2024_Paper_Templates模板 包含word模板和Latex模板
社区发现算法——BigCLAM 算法
qq_16543881的博客
02-24 5707
《Overlapping Community Detection at Scale: A Nonnegative Matrix Factorization Approach》 BIGCLAM（Cluster Affiliation Model for Big Networks，大型网络的聚类关系模型）是一个bipartite affiliation network模型。 BigCLAM方法流程： 第一步：定义一个基于节点-社区隶属关系生成图的模型（community affiliation graph mo
用于社区检测的类深度自动编码器非负矩阵分解——中南大学彭汪祺--论文研读笔记11
08-04
1.摘要本次阅读的论文为 Deep Autoencoder-like Nonnegative Matrix Factorization forCommunity
《Learning the parts of objects by nonnegative matrix factorization》
10-27
【简介】一篇关于nonnegative matrix factorization（非负矩阵分解）的应用文章。 【语言】英文
成对约束对称非负矩阵分解的社区检测
03-20
成对约束对称非负矩阵分解的社区检测
Nonnegative Matrix Factorization Based on Node Centrality for Community Detection 论文笔记
XIooooooo的博客
01-16 1127
社区检测是网络分析中的一个重要话题。近年来，在非负矩阵分解（NMF）技术的基础上，发展了许多社区检测方法。大多数基于NMF的社区发现方法只利用邻接矩阵中的一阶邻近信息，存在一定的局限性。此外，许多基于NMF的社区检测方法涉及稀疏正则化，以促进更清晰的社区成员。然而，在大多数正则化中，不同的节点被平等对待，这似乎是不合理的。针对上述局限性，本文在NMF框架下提出了一种基于节点中心度的社区发现方法。
(深度学习社区发现综述)A Comprehensive Survey on Community Detection with Deep Learning
qq_16543881的博客
03-27 6208
论文地址 本文提出了一种新的分类框架，包括基于深度神经网络、深度非负矩阵分解和深度稀疏滤波的深度学习模型，并进一步将深度神经网络模型细分为卷积网络，图注意网络，生成对抗网络和自编码器。 对于一些小型的网络和简单的场景，研究人员已经提出了一系列基于谱聚类、统计推断等传统技术的社区发现方法。然而，由于计算及存储空间成本巨大，这类方法并没有扩展到大型网络或具有高维特征的网络上。在现实世界的网络中，大量的非线性结构信息使传统的模型并不能够很好地应用于实际场景。因此，我们需要发展出具有良好计算性能的更强大的技术。如今
论文笔记---A Deep Nonnegative Matrix Factorization Approach via Autoencoder for Nonlinear Fault Detectio
weixin_44177594的博客
06-11 1230
DNFM1. introductionNMFDNMF2.PreliminariesNMF 算法 1. introduction DNFM = Encoder + NFM + Decoder NMF 目的：通过局部系统特性的非负组合来获得系统的整体特性 缺点：作为一种线性模型，很难应用于非线性中； 限制：输入必须是非负，一些数据是非负的，比如温度… 非负非线性的NMF是主要需要解决的 DNMF DNMF利用深度学习(Autodecoder)来改进NMF等，从而提供一种新的非线性框架，能够更好的解决非
团伙挖掘算法整理
weixin_44644621的博客
09-23 2066
团伙挖掘技术调研 文章目录模块度优化LouvainLeiden标号传播DeepWalk经典的DeepwalkGEMSEC频谱聚类经典的频谱聚类Multi-view clustering经典的multi-view clusteringGMCGNNDMoNSDCNO2MACLGNNMatrix Factorization经典的NMF (Nonnegative Matrix Factorization)NSEDMNMFDANMFGenerative ModelCommunityGANSupplementary 模
Non-negative Matrix Factorization 非负矩阵分解
AlgoComp
08-13 7207
Non-negative Matrix Factorization 非负矩阵分解
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

6lyc

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值