[科普中国]-多模异构网络的动态社区

将包含有多种类型节点和多种类型关系的网络称为多模异构网络(multi mode network）。实际上，包含不同类型个体的网络中，网络的连边关系也是多样的．由于多模异构网络的复杂性，当前相关研究还较少，已有的相关研究工作也都是对问题进行了简化处理，仅仅考虑节点异构性，不考虑边的异构性，典型研究方法主要有3种。第一种方法将网络中不同类型的个体同等对待，根据交互关系发现多类型的社区结构，同一社区内个体类型相同。Zhao等人1以学术网为例提出了一个发现和追踪动态社区演化状况的统一框架，首先将一定时间窗口内的对象和关系集成计算，构成异构网络；然后，对时间快照上的各网络抽取快照特征和时态演化特征，利用回归模型得到分层社区结构，然后再利用多分类方法辨识出回归模型无法辨识的多社区结构。最后，根据具体问题需求和约束条件，对计算结果进行后处理。该框架简单，缺少对社区结构的评价和演化的评价方法，无法判别算法结果质量．Tang2等人则利用平滑性假设和进化聚类算法框架对多模网络建模，发现动态社区序列．该方法的不足在于它仅限于发现非重叠动态社区，而且社区数目需要事先人为给定，并在进化过程中默认不变。第二种研究方法是将网络中不同个体类型进行主次之分，选取某一种类型的个体为主要目标对象，其他类型的个体作为该目标对象的属性，目标对象和其他类型个体间关系构成星型结构，形成以目标对象为主体表示的网络结构；基于此结构，Sun3等人利用狄利克雷过程对隐含社区数目的分布进行先验估计，结合平滑性假设，提出一种过程混合模型的生成模型模拟社区生成，利用该模型可以在每个时间点自动发现能较好解释当前网络和历史网络特征的社区数目和结构，并设计了一个基于吉布斯采样的方法进行模型学习和推断。社区中可包含不同类型的节点。第三种方法是利用超图模型描述多模异质网络。Lin4等人基于超图理论提出一种新的关系超图—元图模型，来表示由多维属性的社会节点和节点间不同关系所构成的网络，基于元图模型，他们将社区发现问题转化为一个关于多关系因式分解的优化问题：如何将表示数据关联的张量分解为非负超对角核张量和一个对应于每个因子的非负因子矩阵的乘积，优化目标被表示为关于元图的函数；同时建立了基于增量超图因式分解的在线算法以处理随时间变化的关系网络。