应用非负矩阵分解模型的社区发现方法综述

来源：计算机科学与探索杂志2016年第1期北京时间：

作者：李亚芳，贾彩燕，于剑

单位：1. 北京交通大学 计算机与信息技术学院，北京 1000442. 交通数据分析与挖掘北京市重点实验室，北京 100044

摘要：非负矩阵分解（nonnegative matrix factorization，NMF）在提取高维数据中隐含模式和结构方面具有良好性能，已成为数据挖掘领域的热点研究之一。NMF作为无监督学习的有效工具，在模式识别、文本处理、多媒体数据分析以及生物信息学等研究领域得到了广泛应用。目前，已有工作将NMF模型应用于网络数据挖掘，发现网络中隐含的社区结构。对基于NMF的社区发现方法进行了总结，包括无监督的社区发现方法和半监督的社区发现方法，通过在实际网络和人工网络进行实验，比较分析了不同算法的性能，进一步研究了当前基于NMF发现社区结构所面临的挑战，并对下一步研究方向进行了展望。

关键词：数据挖掘,非负矩阵分解,社区发现