面向大规模学术社交网络的社区发现模型.pdfVIP

JournalofComputerApplications ISSN 1001．9081 2015．．09 10 计算机应用，2015，35(9)：2565—2568，2573 CODEN JYIIDU http：／／www．joca．cn 文章编号：1001．9081(2015)09．2565．04 doi：10．11772／j．issn．1001—9081．2015．09．2565 面向大规模学术社交网络的社区发现模型 李春英 ，汤 庸 ，汤志康 ，黄泳航 ，袁成哲 ，赵剑冬 (1．广东技术师范学院计算机网络中心，广州510665； 2．华南师范大学计算机学院，广州510631； 3．广东技术师范学院计算机科学学院，广州 510665) ( 通信作者电子邮箱fzutang@126．corn) 摘 要：针对基于标签传播的复杂网络重叠社区发现算法中预先输入参数在真实网络中的局限性以及标签冗余 等问题，提 出一种基于标签传播的面向大规模学术社交网络的社区发现模型。该模型通过寻找网络中互不相交的最 大极大团(uMc)并对每个UMC中的节点赋予唯一标签来减少冗余标签，提高社区发现的效率以及稳定性。标签更 新时以UMC作为核心单位采用亲密度的方式由中心向四周更新UMC邻接节点的标签及权重，以权重最大值的方式 更新网络中非UMC邻接节点的权重。后期处理阶段采用自适应阈值方式去除节点标签中的噪声，有效克服 了预先 输入重叠社区个数在真实网络中的局限性。通过在学术社交网络平台——学者网数据集上的实验表明，该模型能够 将具有一定共性的节点划分到同一个社区中，并为学术社交网络平台进一步的好友推荐、论文分享等精确的个性化 服务提供了支持。 关键词：社交网络；社区发现；重叠社区；标签传播；最大极大团；自适应闽值 中图分类号：TP391．3 文献标志码：A Communitydetectionmodelin largescaleacademicsocialnetworks LIChunying’，TANGYong，TANGZhikang ，HUANGYonghang，YUAN Chengzhe，ZHAOJiandong (1．ComputerNetworkCenter,GuangdongPolytechnicNormalUniversity，GuangzhouGuangdong510665，China； 2．SchoolofComputer，SouthChinaNormalUniversity,GuangzhouGuangdong51063I，China； 3．SchoolofComputerScience,GuangdongPolytechnicNormalUniversity,GuangzhouGuangdong510665，China) Abstract：Concerningtheproblem thatcommunitydetectionalgorithm basedOI1labelpropagationincomplexnetworks hasapre·parameterlimitintherealnetworkandredundantlabels，acommunitydetectionmodelinlargescaleacademicsocial networkswasproposed．ThemodeldetectedUtmostMaximalCliques(UMC)intheacademicsocialnetworkandarbitrary intersectionbetweentheUMCistheemptyset，andthenletnodesofeachUMC sharetheuniquelabelbyreducingredundant labelsandr