基于R-C模型的微博用户社区发现?

• 作者: 周小平 张海燕 梁循
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 微博 社区发现 关注关系 重叠社区
• 年，卷（期）: 2014,（12）
• 页码范围: 2808-2823
• 页数: 16页
• 分类号: TP311
• 字数: 13919字
• 语种: 中文

摘要

在微博市场营销、个性化推荐等应用中，发现兴趣和网络结构双内聚的用户社区起着至关重要的作用。现阶段，绝大多数的用户社区发现算法往往将用户联系与用户内容相隔离，从而导致其社区发现结果不够合理，而少数综合用户联系和内容的用户社区发现算法较为复杂；LCA 算法是重叠社区发现算法中算法效率较高且社区质量较好的算法，然而，其在聚类时未考虑边的真实兴趣体现。针对这些问题，构建了以关注关系为网络节点、以关注关系之间是否有共同用户为关注关系潜在的边、以关注关系所关联用户的兴趣集的交集为关注关系的兴趣特征，构建微博网络 R-C 模型，并探讨了其进行微博用户社区发现的方法，分析了该方法的复杂度。最后，以新浪微博数据集为实验，对照节点CNM算法和LCA算法，从兴趣内聚和网络结构内聚两方面进行分析，发现该方法能够发现更好的微博用户社区。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张海燕	中国人民大学信息学院	34	261	10.0	15.0
2	周小平	中国人民大学信息学院	24	198	8.0	13.0
11	梁循	中国人民大学信息学院	39	350	11.0	18.0