一种面向语义重叠社区发现的Blo ck场取样算法

• 作者: 杨静 谢志强 辛宇
• 来源期刊: 自动化学报
• 关键词: 语义社会网络 重叠社区 LDA模型 社区发现
• 年，卷（期）: 2015,（2）
• 页码范围: 362-375
• 页数: 14页
• 字数: 9333字
• 语种: 中文
• DOI: 10.16383/j.aas.2015.c140136

摘要

语义社会网络(Semantic social network, SSN)是一种包含信息节点及社会关系构成的新型复杂网络。传统语义社会网络分析算法在进行社区挖掘时,需要预先设定社区个数且无法发现重叠社区。针对这一问题,提出一种面向语义重叠社区发现的block 场采样算法,该算法首先以LDA (Latent dirichlet allocation)模型为语义分析模型,建立了以取样节点为核心节点的block场BAT (Block-author-topic)模型；其次,根据节点的语义分析结果,建立可度量block区域的语义凝聚力方法,实现了语义信息的可度量化；最后,以节点的语义凝聚力为输入,改进了重叠社区发现的标签传播算法(Label propagation algorithm, LPA)及可评价语义社区的S Q度量模型,并通过实验分析,验证了本文算法及S Q度量模型的有效性及可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
2	辛宇	哈尔滨工程大学计算机科学与技术学院	21	175	7.0	13.0
3	谢志强	哈尔滨理工大学计算机科学与技术学院	62	725	15.0	23.0