融合标签平均划分距离和结构关系的微博用户可重叠社区发现

马慧芳; 陈海波; 赵卫中; 邴睿; 黄乐乐

doi:10.3969/j.issn.0372-2112.2018.11.007

您当前的位置：

首页 >

文章列表页 >

融合标签平均划分距离和结构关系的微博用户可重叠社区发现

学术论文 | 更新时间：2025-07-16

- 融合标签平均划分距离和结构关系的微博用户可重叠社区发现
- Leveraging Tag Mean Partition Distance and Social Structure for Overlapping Microblog User Community Detection
- 电子学报 2018年46卷第11期页码：2612-2618
- 作者机构：
  
  1. 西北师范大学计算机科学与工程学院,甘肃,兰州,730070
  2. 桂林电子科技大学, 广西可信软件重点实验室,广西,桂林,541004
  3. 湘潭大学信息工程学院,湖南,湘潭,411105
  4. 西北师范大学计算机科学与工程学院,甘肃,兰州,730070
  5. 桂林电子科技大学广西可信软件重点实验室,广西,桂林,541004
  6. 湘潭大学信息工程学院,湖南,湘潭,411105
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61762078，No.61762080）;广西可信软件重点实验室研究课题 (No.kx201705）
- DOI：10.3969/j.issn.0372-2112.2018.11.007
  中图分类号： TP393.09
- 网络出版：2018-11-25，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
马慧芳, 陈海波, 赵卫中, 等. 融合标签平均划分距离和结构关系的微博用户可重叠社区发现[J]. 电子学报, 2018,46(11):2612-2618.

MA Hui-fang, CHEN Hai-bo, ZHAO Wei-zhong, et al. Leveraging Tag Mean Partition Distance and Social Structure for Overlapping Microblog User Community Detection[J]. Acta Electronica Sinica, 2018, 46(11): 2612-2618.
马慧芳, 陈海波, 赵卫中, 等. 融合标签平均划分距离和结构关系的微博用户可重叠社区发现[J]. 电子学报, 2018,46(11):2612-2618. DOI： 10.3969/j.issn.0372-2112.2018.11.007.

MA Hui-fang, CHEN Hai-bo, ZHAO Wei-zhong, et al. Leveraging Tag Mean Partition Distance and Social Structure for Overlapping Microblog User Community Detection[J]. Acta Electronica Sinica, 2018, 46(11): 2612-2618. DOI： 10.3969/j.issn.0372-2112.2018.11.007.

摘要

提出了一种融合标签平均划分距离和结构关系的微博用户可重叠社区发现算法.首先从信息论与距离的概念出发，定义基于核心标签平均划分距离的准划分算法；再根据用户关注关系定义结构属性向量，并计算用户结构相异度，进而对核心标签平均划分距离和用户结构相异度进行权重调节，得到综合划分相异度；最后将综合划分相异度最低的标签所划分出的分组作为本次循环的新社区；实验表明，该方法能够识别可重叠社区且具有实际应用意义.

Abstract

In this paper

a microblog user community detection algorithm via tag mean partition distance and social structure is proposed. Firstly

through the concept of information theory and distance

a community pre-partition algorithm based on the mean partition distance of core tags is established. Furthermore

a structure attribute vector is defined according to the user's following and follower relationships

based on which the user structure dissimilarity is calculated. Then

the comprehensive division dissimilarity is derived by adjusting the weight of mean distance of core tag and user structure dissimilarity. Finally

the subgroup corresponding to the tag with the lowest comprehensive division dissimilarity degree is considered as a new community for one iteration. Experiments show that the proposed method is effective and has practical significance.

关键词

Keywords

references

浏览量

253

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据