适用于大规模信息网络的语义社区发现方法

• 作者: 于剑 杨小平 沈桂兰 贾彩燕
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 语义社区发现 LDA主题模型 内容相似度 标签传播策略 传播影响力
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 565-576
• 页数: 12页
• 分类号: TP181|TP391.1
• 字数: 8185字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1603050

摘要

对节点带有内容的信息网络进行语义社区发现是新的研究方向.融合节点内容增加了算法的复杂度.提出了一种在线性时间内进行语义社区发现的标签传播算法,用LDA(latent Dirichlet allocation)主题模型表示节点内容,以节点内容相似度和传播影响力的乘性模型作为标签传播的策略,在归一化过程中,自然融合节点内容和网络结构信息,标签迭代过程中,采用节点与绝大部分邻居节点内容不相同才进行更新的策略,保证算法的运行效率.通过在不同规模的12个真实数据集上进行实验,以模块度和纯度作为度量标准,验证了算法在语义社区发现上的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨小平	中国人民大学信息学院	84	967	15.0	30.0
2	沈桂兰	北京联合大学商务学院	19	58	5.0	7.0
4	于剑	北京交通大学计算机与信息技术学院	68	1099	12.0	32.0
5	贾彩燕	北京交通大学计算机与信息技术学院	23	180	9.0	12.0