链接相似性的微博重叠社区发现算法

被引：2

作者：

于洪涛

崔瑞飞

黄瑞阳

机构：

[1] 国家数字交换系统工程技术研究中心

来源：

小型微型计算机系统 | 2015年 / 36卷 / 05期

关键词：

虚拟兴趣网; 关注网络; 链接相似性; 层次聚类; 重叠社区;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

摘要：

针对传统基于节点聚类的微博社区发现算法不能发现重叠社区且需要先验知识这一问题,从边聚类的角度出发,提出一种基于链接相似性的微博重叠社区发现算法.首先将用户兴趣相似度矩阵映射为虚拟兴趣网并求该网络的链接相似度,然后结合微博用户的真实关注关系得到总的链接相似度.为了将链接相似度用于社区发现,推广了传统的Ward层次聚类算法,使之适用于具有相似性度量的任意对象,并将其用于社区发现.真实数据集上的实验表明,该算法不需要先验知识就能准确地发现微博中的重叠社区,准确率可达83.4%.

引用

页码：928 / 933

页数：6

共 8 条

[1] 基于行为相似度的微博社区发现研究
蔡波斯
陈翔
[J]. 计算机工程, 2013, 39 (08) : 55 - 59
[2] 一种基于主题相似性和网络拓扑的微博社区发现方法
王卫平
范田
[J]. 计算机系统应用, 2013, 22 (06) : 108 - 113
[3] 基于主题和链接分析的微博社区发现算法
闫光辉
舒昕
马志程
李祥
[J]. 计算机应用研究, 2013, 30 (07) : 1953 - 1957
[4] 一种降低微博僵尸粉影响的方法
原福永
冯静
符茜茜
曹旭峰
[J]. 现代图书情报技术, 2012, (05) : 70 - 75
[5] A link clustering based overlapping community detection algorithm[J] . Chuan Shi,Yanan Cai,Di Fu,Yuxiao Dong,Bin Wu.Data & Knowledge Engineering . 2013
[6] Finding overlapping communities in networks by label propagation[J] . Steve Gregory.New Journal of Physics . 2010 (10)
[7] Community detection in graphs[J] . Santo Fortunato.Physics Reports . 2009 (3)
[8] Detecting highly overlappingcommunity structure by greedy clique expansion .2 Lee,C,Reid,F,McDaid,A,Hurley,N. snakdd . 2010

← 1 →