基于局部语义聚类的语义重叠社区发现算法

来源：计算机研究与发展杂志2015年第7期北京时间：

作者：辛宇,杨静,汤楚蘅,葛斯乔,

摘要：语义社会网络是一种包含信息节点及社会关系构成的新型复杂网络，因此以节点邻接关系为挖掘对象的传统社会网络社区发现算法无法有效处理语义社会网络重叠社区发现问题.针对这一问题，提出基于局部语义聚类的语义社会网络重叠社区发现算法，该算法：1)以LDA(latentDirichletallocation)模型为语义信息模型，利用Gibbs取样法建立节点语义信息到语义空间的量化映射；2)以节点间语义坐标的相对熵作为节点语义相似度的度量，建立节点相似度矩阵；3)根据社会网络的局部小世界特性，提出语义社会网络的局部社区结构S-fitness模型，并根据S-fitness模型建立了局部语义聚类算法(localsemanticclusterm,LSC);4)提出可度量语义社区发现结果的语义模块度模型，并通过实验分析，验证了算法及语义模块度模型的有效性及可行性.

关键词：语义社会网络, 重叠社区发现, LDA模型, 相对熵, Gibbs取样, 局部语义聚类,