基于图聚类与蚁群算法的社交网络聚类算法

• 作者: 万梅 叶小莺 唐蓉 李强 谢云 陈桂宏
• 来源期刊: 计算机应用研究
• 关键词: 社交网络 数据挖掘 聚类处理 人工蚁群优化 图聚类 信任信息
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1670-1674,1687
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.12.0881

摘要

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法.首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组.设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题.此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标.仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢云	广东东软学院计算机科学与技术系	7	0	0.0	0.0
2	李强	广东东软学院计算机科学与技术系	17	18	2.0	3.0
3	唐蓉		4	0	0.0	0.0
4	叶小莺	广东东软学院计算机科学与技术系	7	0	0.0	0.0
5	万梅	广州工商学院计算机科学与工程系	4	0	0.0	0.0
6	陈桂宏	中山大学电子与信息工程学院	1	0	0.0	0.0