【摘要】：現(xiàn)有的微博社交網(wǎng)絡(luò)社區(qū)挖掘方法多是基于網(wǎng)絡(luò)結(jié)構(gòu)進行,忽略了節(jié)點本身行為的重要性,并且不能同時實現(xiàn)對大規(guī)模復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)適應(yīng)性和社區(qū)挖掘的高效性。為緩解上述問題,提出了一種基于網(wǎng)絡(luò)距離和內(nèi)容相似度的微博社交網(wǎng)絡(luò)社區(qū)劃分方法,該方法在考慮微博社交網(wǎng)絡(luò)結(jié)構(gòu)的同時兼顧了網(wǎng)絡(luò)中節(jié)點的歷史微博內(nèi)容,通過對歷史微博數(shù)據(jù)的分析提高社區(qū)劃分的精確度。文中對Louvain算法和其模塊性的修改使用,保證了該方法能夠處理大規(guī)模網(wǎng)絡(luò)數(shù)據(jù),同時又能保證社區(qū)挖掘的效率。實驗證明,該方法能夠高效地挖掘微博網(wǎng)絡(luò)社區(qū)結(jié)構(gòu),對學(xué)術(shù)研究和商業(yè)應(yīng)用都有十分重要的意義。
[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.
【作者單位】： 周口師范學(xué)院計算機科學(xué)與技術(shù)學(xué)院;農(nóng)產(chǎn)品質(zhì)量安全追溯技術(shù)河南省工程實驗室;大連理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院;鄭州大學(xué)互聯(lián)網(wǎng)醫(yī)療與健康服務(wù)河南省協(xié)同創(chuàng)新中心;鄭州大學(xué)產(chǎn)業(yè)技術(shù)研究院;
【基金】：國家自然科學(xué)基金資助項目(U1504602) 河南省教育廳科學(xué)技術(shù)研究資助項目(14B520014) 河南省科技廳科技計劃資助項目(162102310590) 河南省高等學(xué)校重點科研資助項目(16A520106) 教育教學(xué)改革項目資助(J2016037)
【分類號】：O157.5;TP393.092

【相似文獻】

相關(guān)期刊論文 前10條

1 張基恒;魏進武;張云勇;石祥路;;大數(shù)據(jù)時代的社交網(wǎng)絡(luò)分析[J];郵電設(shè)計技術(shù);2014年07期

2 張大勇;何傼菲;陳樸;;社交網(wǎng)絡(luò)等級結(jié)構(gòu)與同配性問題研究[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2013年01期

3 孫捷;李永安;陳曉輝;;家庭農(nóng)場主社交網(wǎng)絡(luò)運作過程與機制:一個時間密度分析框架的理論研究[J];安徽農(nóng)業(yè)科學(xué);2013年26期

4 黃飛虎;彭艦;寧黎苗;;基于信息熵的社交網(wǎng)絡(luò)觀點演化模型[J];物理學(xué)報;2014年16期

5 常曉猛;樂陽;李清泉;陳碧宇;蕭世倫;涂偉;;利用位置的虛擬社交網(wǎng)絡(luò)地理骨干網(wǎng)提取[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2014年06期

6 李玉庭;;社交網(wǎng)絡(luò)對旅游者購買意向的影響——以經(jīng)濟型酒店產(chǎn)品為購買對象的實證研究[J];旅游縱覽(行業(yè)版);2012年02期

7 羅衛(wèi)敏;劉靜;劉井波;陳曉峰;;基于博弈論研究社交網(wǎng)絡(luò)內(nèi)蠕蟲的傳播[J];計算機工程與應(yīng)用;2011年03期

8 陳麗;劉洪偉;朱慧;陸濤;梁飛;;考慮社交網(wǎng)絡(luò)中用戶屬性的社區(qū)挖掘[J];武漢大學(xué)學(xué)報(工學(xué)版);2014年03期

9 戴云晶;鄧倩妮;;在線社交網(wǎng)絡(luò)用戶間影響量化的貝葉斯模型[J];微電子學(xué)與計算機;2013年03期

10 孔素真;趙長偉;;多關(guān)系類型社交網(wǎng)絡(luò)信息傳播模型[J];河南師范大學(xué)學(xué)報(自然科學(xué)版);2014年05期

相關(guān)博士學(xué)位論文 前3條

1 王婷;異構(gòu)社交網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究[D];中國礦業(yè)大學(xué)(北京);2016年

2 丁旋;社交網(wǎng)絡(luò)分析中的隱私保護問題：去匿名化與無縫隱私[D];清華大學(xué);2014年

3 張春英;基于屬性圖的社交網(wǎng)絡(luò)建模與態(tài)勢分析理論研究[D];燕山大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳蓮;大規(guī)模社交網(wǎng)絡(luò)中二元關(guān)系預(yù)測方法研究[D];電子科技大學(xué);2014年

2 趙翔;移動社交網(wǎng)絡(luò)相依關(guān)系及社區(qū)發(fā)現(xiàn)算法研究[D];哈爾濱工業(yè)大學(xué);2014年

3 聶繹靜;社交網(wǎng)絡(luò)圖壓縮算法的研究[D];西安電子科技大學(xué);2014年

4 劉靜;移動社交網(wǎng)絡(luò)中基于馬爾科夫模型的信息搜索算法的研究[D];合肥工業(yè)大學(xué);2015年

5 李小康;社交網(wǎng)絡(luò)中特定用戶的影響最大化研究[D];中國科學(xué)技術(shù)大學(xué);2016年

6 姜晗;社交網(wǎng)絡(luò)上高影響力用戶識別研究與應(yīng)用[D];電子科技大學(xué);2016年

7 馬路;面向微博社交網(wǎng)絡(luò)的時變差別適應(yīng)度模型研究[D];北京化工大學(xué);2016年

8 方磊;社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問題的研究[D];南京航空航天大學(xué);2016年

9 蔣艾玲;基于社交網(wǎng)絡(luò)的節(jié)點影響力研究[D];重慶郵電大學(xué);2016年

10 劉亞;社交網(wǎng)絡(luò)節(jié)點流失模型與應(yīng)用研究[D];重慶郵電大學(xué);2016年

，

本文編號：2198455