考虑主题和时间的在线社交网络团体发现算法

摘要

如何准确、有效地发现虚拟社交网络中的社区或群体是复杂社交网络中的一个热点问题。本研究认为在线社交网络中用户之间显性的对话或彼此评论形成了一种网络结构,既包含社交网络底层的拓扑结构信息,又包含网络实体进行交互的确切时间,具有时效性。为了揭示虚拟社交网络中隐藏的动态现象,给出了一种同时考虑主题和时间的在线社交网络发现算法——多时间密集子图发现算法。首先,将在线社交网络中的对话或评论建模为一个交互网络,再利用拓扑结构将网络划分为属于不同主题(如热门新闻或话题)的社区,然后依据时间维度对每个主题下的社区挖掘稠密子图,最后在真实数据集上对所提算法进行了评估。与比较算法相比,本算法发现的团体内部间的交互在时间上更加密集,具有更高的时效性。

关键词

在线社交网络 / 图挖掘 / 主题划分 / 动态密集子图 / 团体发现

基金资助

国家自然科学基金项目(71772107); 青岛社会科学规划研究项目(QDSKL1801138); 山东省自然科学基金项目(ZR2018BF013); 山东省研究生质量提升计划项目(2016); 山东科技大学领军人才计划项目(2014); 山海英才计划项目(2019); 泰山学者攀登计划项目(2014)