基于个人意愿的社会网络团体结构与信息检测方案

被引：7

作者：

汪林玉 ^{[1
,2
]}

谷科 ^{[1
,3
]}

余飞 ^{[1
,3
]}

尹波 ^{[1
,3
]}

廖年冬 ^{[1
,3
]}

机构：

[1] 长沙理工大学综合交通运输大数据智能处理湖南省重点实验室

[2] 湖南信息学院电子信息学院

[3] 长沙理工大学计算机与通信工程学院

来源：

电子学报 | 2019年 / 47卷 / 04期

基金：

湖南省自然科学基金;

关键词：

社会网络; 个人意愿; 社团检测; 重叠社团; 信息传播;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

摘要：

个人意愿对于形成网络社团和传播信息有着重要的影响力,因此本文提出一种基于个人意愿的社团结构与信息检测方案.该方案中的社团检测算法初次检测以融入节点属性的模块度,再次检测以兴趣度并能发现重叠社团,最后精细检测以个人意愿,本文社团检测算法（εCSDA）较之前的算法更有效的是可以发现重叠社团;同时,该方案建立的信息传播模型在指数模型基础上构建边特征向量（边属性）、节点特征向量（节点属性）和意愿向量（用户意愿、社团意愿和节点意愿）,并以传播概率和传播延迟构建模型基本关系,从而使得该模型实现了基于个人意愿的信息传播.实验结果表明,加入个人意愿的社团检测和信息传播方案,能够保证社团检测的有效性和实用性,能够实现用户间信息传播的主动性和可靠性.

引用

页码：886 / 895

页数：10

共 10 条

[1]

Mutually Enhancing Community Detection and Sentiment Analysis on Twitter Networks.[J].William Deitrick;Wei Hu.Journal of Data Analysis and Information Processi.2013, 03

[2]

Detect overlapping and hierarchical community structure in networks [J].

Shen, Huawei ;

Cheng, Xueqi ;

Cai, Kai ;

Hu, Mao-Bin .

PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, 2009, 388 (08) :1706-1712

[3]

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, 10

[4]

A tutorial on spectral clustering [J].