基于R-C模型的微博用户社区发现

被引：52

作者：

周小平 ^{[1
,2
,3
]}

梁循 ^{[1
]}

张海燕 ^{[1
]}

机构：

[1] 中国人民大学信息学院

[2] 北京建筑大学电气与信息工程学院

[3] 北京市建筑安全监测工程技术研究中心

来源：

软件学报 | 2014年 / 25卷 / 12期

基金：

北京市自然科学基金;

关键词：

微博; 社区发现; 关注关系; 重叠社区;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

摘要：

在微博市场营销、个性化推荐等应用中,发现兴趣和网络结构双内聚的用户社区起着至关重要的作用.现阶段,绝大多数的用户社区发现算法往往将用户联系与用户内容相隔离,从而导致其社区发现结果不够合理,而少数综合用户联系和内容的用户社区发现算法较为复杂;LCA算法是重叠社区发现算法中算法效率较高且社区质量较好的算法,然而,其在聚类时未考虑边的真实兴趣体现.针对这些问题,构建了以关注关系为网络节点、以关注关系之间是否有共同用户为关注关系潜在的边、以关注关系所关联用户的兴趣集的交集为关注关系的兴趣特征,构建微博网络R-C模型,并探讨了其进行微博用户社区发现的方法,分析了该方法的复杂度.最后,以新浪微博数据集为实验,对照节点CNM算法和LCA算法,从兴趣内聚和网络结构内聚两方面进行分析,发现该方法能够发现更好的微博用户社区.

引用

页码：2808 / 2823

页数：16

共 7 条

[1]

Remodeling the network for microgroup detection on microblog [J].