基于相似度的微博社交网络的社区发现方法

被引：62

作者：

孙怡帆 ^{[1
]}

李赛 ^{[2
]}

机构：

[1] 中国人民大学应用统计科学研究中心

[2] 中国人民大学统计学院

来源：

计算机研究与发展 | 2014年 / 12期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

微博; 社区发现; 标签; 相似度; 模块化;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

摘要：

作为一种新兴的社交媒体,微博由于其信息的简短性、实时性和公开性,在短短4年内已积累数以亿计的用户并且数量还在迅速增长,由此带来的社会影响日益广泛.对微博用户关系网络进行社区发现具有重要的理论和实际意义.根据微博网络的有向性及建立关注关系的随意性等特点,提出一种基于共同关注和共同粉丝的微博用户相似度,定义此相似度的模块化函数,依据贪心算法思想设计出基于此模块化函数最大化的社区发现方法,并在此基础上将该方法推广到具有标签信息的微博网络中.应用该方法处理了3个真实的微博用户关系网络数据,结果表明该方法可以有效地发掘微博用户关系网络中的社区结构.

引用

页码：2797 / 2807

页数：11

共 8 条

[1]

基于主题和链接分析的微博社区发现算法 [J].

闫光辉 ;

舒昕 ;

马志程 ;

李祥 .

计算机应用研究, 2013, 30 (07) :1953-1957

[2]

微博社交网络社区发现方法研究 [J].

范超然 ;

黄曙光 ;

李永成 .

微型机与应用, 2012, 31 (23) :67-70

[3]

基于局部相似性的复杂网络社区发现方法[J] 刘旭;易东云; 自动化学报 2011, 12

[4]

Mutually Enhancing Community Detection and Sentiment Analysis on Twitter Networks[J] William Deitrick;Wei Hu Journal of Data Analysis and Information Processi 2013,

[5]

Predicting missing links via local information[J] Tao Zhou;Linyuan Lü;Yi-Cheng Zhang The European Physical Journal B 2009,

[6]

Identifying and evaluating community structure in complex networks[J] Karsten Steinhaeuser;Nitesh V. Chawla Pattern Recognition Letters 2009,

[7]

Fast unfolding of communities in large networks[J] Vincent D Blondel;Jean-Loup Guillaume;Renaud Lambiotte;Etienne Lefebvre Journal of Statistical Mechanics: Theory and Experiment 2008,

[8]

PROJECT TEAM SELECTION USING FUZZY OPTIMIZATION APPROACH[J] Adil Baykasoglu;Turkay Dereli;Sena Das Cybernetics and Systems 2007,

← 1 →