基于网络距离和内容相似度的微博社交网络社区划分方法

发布时间：2018-08-23 08:16

【摘要】：现有的微博社交网络社区挖掘方法多是基于网络结构进行,忽略了节点本身行为的重要性,并且不能同时实现对大规模复杂网络结构适应性和社区挖掘的高效性。为缓解上述问题,提出了一种基于网络距离和内容相似度的微博社交网络社区划分方法,该方法在考虑微博社交网络结构的同时兼顾了网络中节点的历史微博内容,通过对历史微博数据的分析提高社区划分的精确度。文中对Louvain算法和其模块性的修改使用,保证了该方法能够处理大规模网络数据,同时又能保证社区挖掘的效率。实验证明,该方法能够高效地挖掘微博网络社区结构,对学术研究和商业应用都有十分重要的意义。
[Abstract]:The existing Weibo social network community mining methods are mostly based on the network structure, ignoring the importance of the node's own behavior, and can not simultaneously achieve the large-scale complex network structure adaptability and community mining efficiency. In order to alleviate the above problems, a community partition method of Weibo social network based on network distance and content similarity is proposed. This method takes into account the historical Weibo content of the nodes in the network while considering the Weibo social network structure. The accuracy of community division is improved by analyzing historical Weibo data. In this paper, the Louvain algorithm and its modular modification are used to ensure that the method can deal with large-scale network data and at the same time ensure the efficiency of community mining. Experimental results show that this method can efficiently mine the community structure of Weibo network and is of great significance for both academic research and commercial applications.
【作者单位】：周口师范学院计算机科学与技术学院;农产品质量安全追溯技术河南省工程实验室;大连理工大学计算机科学与技术学院;郑州大学互联网医疗与健康服务河南省协同创新中心;郑州大学产业技术研究院;
【基金】：国家自然科学基金资助项目(U1504602) 河南省教育厅科学技术研究资助项目(14B520014) 河南省科技厅科技计划资助项目(162102310590) 河南省高等学校重点科研资助项目(16A520106) 教育教学改革项目资助(J2016037)
【分类号】：O157.5;TP393.092

【相似文献】