基于交互行为的在线社会网络社区发现方法研究

被引:7
作者
田博
凡玲玲
机构
[1] 上海财经大学信息管理与工程学院
关键词
在线社交网络; 社区发现; 交互行为; 模块度函数; 动态网络; 模块度增益;
D O I
暂无
中图分类号
O157.5 [图论];
学科分类号
070104 ;
摘要
[目的/意义]社区发现是社交网络、生物基因表达以及物理系统等领域的一个重要且具有挑战性的研究课题。现有的在线社会网络社区发现方法可分为基于静态关系的社区发现和基于动态关系的社区发现。相对于静态社区发现方法,动态交互行为关系更能体现社交媒体用户的关系紧密程度。[方法/过程]提出了一种基于交互行为的在线社会网络社区发现方法,利用用户之间的转发关系、评论关系、点赞关系以及提及关系等四方面交互行为构建加权的交互网络;然后以Newman模块度函数作为优化目标,得到社区内部节点联系紧密、社区之间节点联系松散的社区划分方法。具体实现上以改进模块度函数为指标,不断合并模块度函数增益最大的节点对,直至所有的模块度函数增益都为负。[结果/结论]提出的方法在如下两方面进行改进:一方面建立了交互行为公式,同时对模块度函数进行改进。最后,选取新浪微博数据对提出的算法进行实验验证,实验结果表明提出的基于交互行为社区发现方法的有效性。
引用
收藏
页码:183 / 188
页数:6
相关论文
共 16 条
[11]  
Performance of a community detection algorithm based on semidefinite programming[J] . Federico Ricci-Tersenghi,Adel Javanmard,Andrea Montanari.Journal of Physics: Conference Series . 2016 (1)
[12]  
Description-oriented community detection using exhaustive subgroup discovery[J] . Martin Atzmueller,Stephan Doerfel,Folke Mitzlaff.Information Sciences . 2015
[13]  
Community Detection in Dynamic Social Networks[J] . Aston,Nathan,Hu,Wei.Communications and Network . 2014 (2)
[14]  
Clustering and community detection in directed networks: A survey[J] . Fragkiskos D. Malliaros,Michalis Vazirgiannis.Physics Reports . 2013 (4)
[15]  
Community detection in graphs[J] . Santo Fortunato.Physics Reports . 2009 (3)
[16]   复杂网络中的社区发现——理论与应用 [J].
王林 ;
戴冠中 .
科技导报, 2005, (08) :62-66