本文選題：社交網絡 + 社區(qū)挖掘��； 參考：《小型微型計算機系統(tǒng)》2014年06期

【摘要】：在線社交網絡增長迅速,對其進行社區(qū)挖掘對于了解網絡結構特征具有重要意義.提出一種基于非負值矩陣分解的社區(qū)挖掘方法,能夠將社交網絡矩陣分解為適合于發(fā)現(xiàn)用戶與社區(qū)所屬關系以及社區(qū)之間重疊關系的矩陣組合形式.該方法應用迭代更新規(guī)則對分解矩陣進行了優(yōu)化求解,并證明了更新規(guī)則的收斂性.另外針對社交網絡存在的無標度特性,通過利用用戶節(jié)點屬性信息計算用戶間的相似性,對大量孤立用戶建立隱式聯(lián)系,可以將孤立用戶納入統(tǒng)一的挖掘框架進行社區(qū)劃分,從而解決了孤立用戶無法準確劃分社區(qū)的問題.相關實驗以及實際應用表明該方法可以有效對現(xiàn)實中的在線社交網絡進行社區(qū)挖掘.
[Abstract]:Online social networks are growing rapidly, and it is important to mine them to understand the characteristics of network structure. A community mining method based on non-negative matrix decomposition is proposed, which can decompose the social network matrix into matrix combinations suitable for discovering the relationship between users and communities and overlapping relationships between communities. The iterative updating rule is used to solve the decomposition matrix optimally, and the convergence of the updating rule is proved. In addition, aiming at the scale-free characteristic of social network, by using the attribute information of user nodes to calculate the similarity between users, and to establish an implicit connection to a large number of isolated users, the isolated users can be brought into the unified mining framework for community division. Thus solving the problem that isolated users can not accurately divide the community. Relevant experiments and practical applications show that this method can effectively mine online social networks.
【作者單位】： 仲愷農業(yè)工程學院信息科學與技術學院;廣東省服務計算工程技術研究中心;華南師范大學計算機學院;
【基金】：國家自然科學基金項目(61272067)資助 國家科技支撐計劃項目(SQ2011GX07E01500)資助 廣東省自然科學基金團隊研究項目(S2012030006242)資助 廣東省重大科技專項計劃項目(2012A080104019)資助 廣東省高校優(yōu)秀青年創(chuàng)新人才培養(yǎng)計劃項目(2012LYM_0077)資助
【分類號】：O151.21;TP393.09

【參考文獻】

相關期刊論文 前7條

1 金弟;劉大有;楊博;劉杰;何東曉;田野;;基于局部探測的快速復雜網絡聚類算法[J];電子學報;2011年11期

2 林友芳;王天宇;唐銳;周元煒;黃厚寬;;一種有效的社會網絡社區(qū)發(fā)現(xiàn)模型和算法[J];計算機研究與發(fā)展;2012年02期

3 蔡曉妍;戴冠中;楊黎斌;;基于譜聚類的復雜網絡社團發(fā)現(xiàn)算法[J];計算機科學;2009年09期

4 何東曉;周栩;王佐;周春光;王U，

本文編號：1836115