多维图结构聚类的社交关系挖掘算法

• 作者: 乔少杰 代强强 李振军 李荣华 毛睿
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 图聚类 多维图数据 社交关系 子空间
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 基于图结构的大数据分析与管理技术专刊
• 页码范围: 839-852
• 页数: 14页
• 分类号: TP311
• 字数: 8839字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005454

摘要

社交关系的数据挖掘一直是大图数据研究领域中的热门问题.图聚类算法如SCAN(structural clustering algorithm for network)虽然可以迅速地从海量图数据中获得关系紧密的社区结构,但这类社区往往只表示了社交对象的聚集,无法反馈对象间的真实社交关系,如家庭成员、同事、同学等.要获取对象间真实的社交关系,需要更多维度地挖掘现实中社交对象间复杂的交互关系.对象间的交互维度很多,例如通话、见面、微信、电子邮件等,而传统SCAN等聚类算法仅能够挖掘单维度的交互数据.在研究社交对象间的多维社交关系图数据与传统图结构聚类算法的基础上,提出了一种有效的子空间聚类算法SCA(subspace cluster algorithm),对多维度下子空间的图结构聚类进行研究,目的是探索如何通过图数据挖掘发现对象间真实的社交关系.SCA算法遵循自底向上的原则,能够发现社交图数据中所有子空间的聚类集.为提升SCA的运行速度,利用其子空间聚类的单调性进行了性能优化,进而提出了剪枝算法SCA+.最后进行了大规模的性能测试实验以及真实数据的案例研究,其结果验证了算法的效率和效用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛睿	深圳大学计算机与软件学院	18	81	5.0	8.0
2	乔少杰	成都信息工程大学网络空间安全学院	34	171	6.0	12.0
3	李振军	深圳大学计算机与软件学院	4	11	2.0	3.0
4	李荣华	深圳大学计算机与软件学院	4	16	3.0	4.0
5	代强强	深圳大学计算机与软件学院	1	5	1.0	1.0