將包含有多種類型節點和多種類型關係的網路稱為多模異構網路。節點之間存在模組性，即節點內部連線緊密，外部連線稀疏的性質，而且形成社區的節點集合隨時間變化，具有動態性，稱之為多模異構網路的動態社區。
基本介紹
- 中文名：多模異構網路的動態社區
- 外文名：multi-mode heterogeneous network dynamic community
將包含有多種類型節點和多種類型關係的網路稱為多模異構網路(multi mode network）。實際上，包含不同類型個體的網路中，網路的連邊關係也是多樣的．由於多模異構網路的複雜性，當前相關研究還較少，已有的相關研究工作也都是對問題進行了簡化處理，僅僅考慮節點異構性，不考慮邊的異構性，典型研究方法主要有3種。第一種方法將網路中不同類型的個體同等對待，根據互動關係發現多類型的社區結構，同一社區內個體類型相同。Zhao等人以學術網為例提出了一個發現和追蹤動態社區演化狀況的統一框架，首先將一定時間視窗內的對象和關係集成計算，構成異構網路；然後，對時間快照上的各網路抽取快照特徵和時態演化特徵，利用回歸模型得到分層社區結構，然後再利用多分類方法辨識出回歸模型無法辨識的多社區結構。最後，根據具體問題需求和約束條件，對計算結果進行後處理。該框架簡單，缺少對社區結構的評價和演化的評價方法，無法判別算法結果質量．Tang等人則利用平滑性假設和進化聚類算法框架對多模網路建模，發現動態社區序列．該方法的不足在於它僅限於發現非重疊動態社區，而且社區數目需要事先人為給定，並在進化過程中默認不變。第二種研究方法是將網路中不同個體類型進行主次之分，選取某一種類型的個體為主要目標對象，其他類型的個體作為該目標對象的屬性，目標對象和其他類型個體間關係構成星型結構，形成以目標對象為主體表示的網路結構；基於此結構，Sun等人利用狄利克雷過程對隱含社區數目的分布進行先驗估計，結合平滑性假設，提出一種過程混合模型的生成模型模擬社區生成，利用該模型可以在每個時間點自動發現能較好解釋當前網路和歷史網路特徵的社區數目和結構，並設計了一個基於吉布斯採樣的方法進行模型學習和推斷。社區中可包含不同類型的節點。第三種方法是利用超圖模型描述多模異質網路。Lin等人基於超圖理論提出一種新的關係超圖—元圖模型，來表示由多維屬性的社會節點和節點間不同關係所構成的網路，基於元圖模型，他們將社區發現問題轉化為一個關於多關係因式分解的最佳化問題：如何將表示數據關聯的張量分解為非負超對角核張量和一個對應於每個因子的非負因子矩陣的乘積，最佳化目標被表示為關於元圖的函式；同時建立了基於增量超圖因式分解的線上算法以處理隨時間變化的關係網路。
