一种面向语义重叠社区发现的Blo ck场取样算法
语义社会网络(Semantic social network, SSN)是一种包含信息节点及社会关系构成的新型复杂网络。传统语义社会网络分析算法在进行社区挖掘时,需要预先设定社区个数且无法发现重叠社区。针对这一问题,提出一种面向语义重叠社区发现的block 场采样算法,该算法首先以LDA (Latent dirichlet allocation)模型为语义分析模型,建立了以取样节点为核心节点的block场BAT (Block-author-topic)模型；其次,根据节点的语义分析结果,建立可度量block区域的语义凝聚力方法,实现了语义信息的可度量化；最后,以节点的语义凝聚力为输入,改进了重叠社区发现的标签传播算法(Label propagation algorithm, LPA)及可评价语义社区的S Q度量模型,并通过实验分析,验证了本文算法及S Q度量模型的有效性及可行性。
语义社会网络、重叠社区、LDA模型、社区发现
国家自然科学基金61370083,61073043,61073041,61370086;国家教育部博士点基金20112304110011,20122304110012资助@@@@Supported by National Natural Science Foundation of China61370083,61073043,61073041,61370086;National Re-search Foundation for the Doctoral Program of Higher Educa-tion of China20112304110011,20122304110012
2015-03-25（万方平台首次上网日期，不代表论文的发表时间）
共14页
362-375
