基于社群发掘构建在线社交网络的高层架构

针对在线社交网络的巨大规模和复杂结构造成的网络分析困难问题,提出建立简明的在线社交网络的高层架构。定义在线社交网络高层架构由社群、链接中心及其它们之间的关联关系组成,提出一种基于社群发掘的在线社交网络高层架构构建方法。通过建立定量属性图来表达在线社交网络,综合利用节点和边的属性进行社群发掘。基于社群发掘结果辨识连接中心,生成社群和连接中心之间的关联关系,从而构建起在线社交网络的高层架构,实现对复杂在线社交网络的高层次的简明表达。将该方法用于建立一个商业电子公告板(BBS)在线社交网络的高层架构,在关联强度和社群尺度分别为0.5和3时可获得良好的社群发掘结果,建立的高层架构与实际情况比较一致。

基于交互相似度的细粒度社群发掘方法

发现在线社交网络中的社群结构有助于深入研究和分析信息传播规律,同时在社会推荐、群体特征发现等应用领域具有重要的意义。但是现有的社群结构发掘方法多忽略了用户之间的社会属性,导致获取的社群结构难以反映细粒度的结构特征。文中将用户的社会属性引入到社群结构发掘算法中。为了衡量用户的社会交互属性,提出了用户交互相似度模型。基于用户交互相似度模型,提出了一种面向在线社交网络的细粒度社群发掘方法。该算法可以有效衡量用户之间的社会属性,通过层次聚类的手段获得不同粒度的社群,并过滤无关数据。为了验证算法的有效性,以社交网站人人网的用户交互记录为数据集,比较了与其他社区挖掘算法的性能差异。实验结果表明,该方法发掘出的细粒度社群具有较高的准确性,在发现社群之间的不同话题上有着较好的应用。