[发明专利]一种基于非负矩阵分解的社交网络特征提取方法

摘要

本发明公开了一种基于非负矩阵分解的社交网络特征提取方法，属于网络科学领域。本发明通过两种矩阵分解的策略，将原始的高维的稀疏的网络数据编码为低维的稠密的向量，易于存储，其中，联合矩阵分解中Ul被所有视角共享，表示所有视角的一致性信息；独立矩阵分解中是每个视角私有的，表示各个视角的独特性信息。将原始网络的特征进一步抽象为特征向量，有利于提升后续的网络分析任务的性能。可以方便地进行并行计算，大大提升了后续任务的计算效率。多阶段的非负矩阵分解可以使得每一阶段的残差矩阵逐渐变得稀疏与低秩，从而矩阵分解的误差可以逐步降低，获得更好的网络表示学习效果。