文献类型：期刊文献

中文题名：适用于大规模信息网络的语义社区发现方法

作者：沈桂兰;贾彩燕;于剑;杨小平

第一作者：沈桂兰

机构：[1]北京联合大学商务学院;[2]中国人民大学信息学院;[3]北京交通大学计算机与信息技术学院;

第一机构：北京联合大学商务学院

年份：2016

期号：4

起止页码：565-576

中文期刊名：计算机科学与探索

基金：国家自然科学基金Nos.71572015,71271209;北京联合大学新起点项目No.Zk10201506~~;

语种：中文

中文关键词：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;

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。