基于用户紧密度的在线社会网络社区发现算法

被引：9

作者：

熊正理

姜文君

王国军

机构：

[1] 中南大学信息科学与工程学院

来源：

计算机工程 | 2013年 / 39卷 / 08期

关键词：

在线社会网络; 用户紧密度; 节点属性相似性; 共有邻居相似性; 社区发现; 层次聚类;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP393.09 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080402 ;

摘要：

针对在线社会网络潜在社区难以检测的问题,根据在线社会网络的独有特性,提出一种基于用户紧密度的在线社会网络社区发现算法。创建初步用户图,依据节点属性相似性算法计算用户个体紧密度,基于共有邻居相似性算法计算用户社区紧密度,从而构造出完整用户图,利用层次聚类算法对完整用户图进行处理,发现潜在社区。实验结果表明,与NAS、CNS算法相比,该算法的社区凝聚度与正确率更高,分别达到0.67和97.1%。

引用

页码：50 / 54

页数：5

共 4 条

[1] 基于信息熵的社区发现算法研究 [J].