基于联系度的主题关注网络社区发现方法研究

来源：计算机工程与应用杂志2017年第17期北京时间：

作者：陈 晓1，2，3，郭景峰1，3，范超智1，3

单位：1.燕山大学 信息科学与工程学院，河北 秦皇岛 066004；2.华北理工大学 迁安学院，河北 迁安 064400；3.河北省虚拟技术与系统集成重点实验室，河北 秦皇岛 066004

摘要：目前，以兴趣或主题分享等为目的的兴趣型社交网络则引领着社交网络改革的浪潮。融合社交关系和兴趣爱好关系构建一个新型社交网络模型——主题关注模型。在此模型基础上，采用集对联系度刻画顶点间相似性度量指标，该度量方法可以更好地刻画网络结构特征，提高传统局部相似性度量指标对某些顶点间相似性值的计算精度，降低全局相似性度量指标的计算复杂度。综合考虑主题影响和社交关系，将集对联系度与凝聚型聚类算法相结合，提出一种新的主题社区发现方法。在Karate网络和豆瓣数据集上进行主题社区发现，实验结果表明，考虑主题影响的划分具有更好的社区结构。

关键词：主题关注网络,集对,联系度,社区发现