适用于大规模信息网络的语义社区发现方法

来源：计算机科学与探索杂志2017年第4期北京时间：

作者：沈桂兰，贾彩燕，于剑，杨小平

单位：1. 北京联合大学 商务学院，北京 1000252. 中国人民大学 信息学院，北京 1000873. 北京交通大学 计算机与信息技术学院，北京 100044

摘要：对节点带有内容的信息网络进行语义社区发现是新的研究方向。融合节点内容增加了算法的复杂度。提出了一种在线性时间内进行语义社区发现的标签传播算法，用LDA（latent Dirichlet allocation）主题模型表示节点内容，以节点内容相似度和传播影响力的乘性模型作为标签传播的策略，在归一化过程中，自然融合节点内容和网络结构信息，标签迭代过程中，采用节点与绝大部分邻居节点内容不相同才进行更新的策略，保证算法的运行效率。通过在不同规模的12个真实数据集上进行实验，以模块度和纯度作为度量标准，验证了算法在语义社区发现上的有效性和可行性。

关键词：语义社区发现,LDA主题模型,内容相似度,标签传播策略,传播影响力