基于联系度的主题关注网络社区发现方法研究

• 作者: 范超智 郭景峰 陈晓
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 主题关注网络 集对 联系度 社区发现
• 年，卷（期）: 2017,（17）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 85-93
• 页数: 9页
• 分类号: TP391
• 字数: 7520字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1608-0324

摘要

目前,以兴趣或主题分享等为目的的兴趣型社交网络则引领着社交网络改革的浪潮.融合社交关系和兴趣爱好关系构建一个新型社交网络模型——主题关注模型.在此模型基础上,采用集对联系度刻画顶点间相似性度量指标,该度量方法可以更好地刻画网络结构特征,提高传统局部相似性度量指标对某些顶点间相似性值的计算精度,降低全局相似性度量指标的计算复杂度.综合考虑主题影响和社交关系,将集对联系度与凝聚型聚类算法相结合,提出一种新的主题社区发现方法.在Karate网络和豆瓣数据集上进行主题社区发现,实验结果表明,考虑主题影响的划分具有更好的社区结构.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭景峰	燕山大学信息科学与工程学院	105	1001	17.0	28.0
5	陈晓	燕山大学信息科学与工程学院	5	8	2.0	2.0
14	范超智	燕山大学信息科学与工程学院	2	3	1.0	1.0