面向大规模学术社交网络的社区发现模型

来源：计算机应用杂志2015年第9期北京时间：

作者：李春英, 汤庸, 汤志康, 黄泳航, 袁成哲, 赵剑冬

单位：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

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,自适应阈值

基金资助：国家863计划项目(2013AA01A212);国家自然科学基金资助项目(61272067,61370229);广东省自然基金团队研究项目(S2012030006242);广东省自然科学基金-博士科研启动项目(2014A030310238);广东省教育厅特色创新项目(2014WTSCX078);广东技术师范学院校级项目(2014)。