面向新浪微博的鏈接和內(nèi)容相結(jié)合的社區(qū)劃分方法.pdf

1、現(xiàn)實(shí)世界中的很多系統(tǒng)都可以抽象為網(wǎng)絡(luò)，如人際關(guān)系網(wǎng)、論文引證網(wǎng)、科學(xué)家合作關(guān)系網(wǎng)、微博用戶關(guān)系網(wǎng)、互聯(lián)網(wǎng)等。這些網(wǎng)絡(luò)都具有共同特點(diǎn):即復(fù)雜的內(nèi)部結(jié)構(gòu)，因此被稱為復(fù)雜網(wǎng)絡(luò)。已有研究表明:這些網(wǎng)絡(luò)中包含著一些潛在的社區(qū)結(jié)構(gòu)，具有社區(qū)內(nèi)部節(jié)點(diǎn)鏈接稠密、社區(qū)之間節(jié)點(diǎn)鏈接稀疏的特點(diǎn)。通常，社區(qū)內(nèi)的節(jié)點(diǎn)具有相似的特性，在網(wǎng)絡(luò)中扮演著相似的角色。通過社區(qū)劃分來識別網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)，有助于人們更深入的理解網(wǎng)絡(luò)的本質(zhì)，認(rèn)識網(wǎng)絡(luò)結(jié)構(gòu)與其功能的之間的關(guān)系。<

2、br>　　然而，傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)社區(qū)劃分算法普遍缺乏對鏈接結(jié)構(gòu)和節(jié)點(diǎn)內(nèi)容的綜合考慮?，F(xiàn)有的鏈接結(jié)構(gòu)與節(jié)點(diǎn)內(nèi)容相結(jié)合的社區(qū)劃分方法大多是基于概率模型的方法。這類方法有著數(shù)學(xué)形式優(yōu)美、可解釋性強(qiáng)的優(yōu)點(diǎn)，但也存在著時(shí)間復(fù)雜度高、不易理解、應(yīng)用實(shí)現(xiàn)較為困難的缺點(diǎn)。
　　本文針對這方面的研究不足提出了鏈接結(jié)構(gòu)與節(jié)點(diǎn)內(nèi)容相結(jié)合的快速社區(qū)劃分算法KRLC及其改進(jìn)算法2KRLC以及CKRLC算法，其中KRLC&2KRLC適合對指定了社團(tuán)數(shù)K的網(wǎng)絡(luò)數(shù)

3、據(jù)集進(jìn)行社區(qū)劃分，CKRLC適合對K未知的網(wǎng)絡(luò)進(jìn)行社區(qū)劃分。這幾種算法以K-Means算法為核心思想，綜合考慮了節(jié)點(diǎn)的內(nèi)容相似性和節(jié)點(diǎn)的鏈接結(jié)構(gòu)相似性，融合了幾種優(yōu)秀的初始節(jié)點(diǎn)選取方法，有效地實(shí)現(xiàn)了對節(jié)點(diǎn)含有屬性信息的內(nèi)容網(wǎng)絡(luò)進(jìn)行社區(qū)劃分。
　　另外本文還從社會(huì)網(wǎng)絡(luò)的角度，實(shí)現(xiàn)了包括數(shù)據(jù)采集、文本預(yù)處理、網(wǎng)絡(luò)建模、社區(qū)劃分四個(gè)部分的微博數(shù)據(jù)分析框架。通過該框架的前三個(gè)部分，建立了真實(shí)的網(wǎng)絡(luò)數(shù)據(jù)集:新浪微博用戶關(guān)系網(wǎng)。最后利用本文設(shè)