基于R-C模型的微博用户社区发现?

摘要：

在微博市场营销、个性化推荐等应用中，发现兴趣和网络结构双内聚的用户社区起着至关重要的作用。现阶段，绝大多数的用户社区发现算法往往将用户联系与用户内容相隔离，从而导致其社区发现结果不够合理，而少数综合用户联系和内容的用户社区发现算法较为复杂；LCA 算法是重叠社区发现算法中算法效率较高且社区质量较好的算法，然而，其在聚类时未考虑边的真实兴趣体现。针对这些问题，构建了以关注关系为网络节点、以关注关系之间是否有共同用户为关注关系潜在的边、以关注关系所关联用户的兴趣集的交集为关注关系的兴趣特征，构建微博网络 R-C 模型，并探讨了其进行微博用户社区发现的方法，分析了该方法的复杂度。最后，以新浪微博数据集为实验，对照节点CNM算法和LCA算法，从兴趣内聚和网络结构内聚两方面进行分析，发现该方法能够发现更好的微博用户社区。

关键词：微博、社区发现、关注关系、重叠社区

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金71271211;北京市自然科学基金4132067;中国人民大学自然科学基金10XNI029;北京高等学校青年英才计划21147514040

在线出版日期：2015-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：2808-2823