基于概率主题模型的社交网络层次化社区发现算法

摘要：

针对传统的社区发现算法大多基于网络拓扑结构寻找独立的社区结构，忽略了用户兴趣属性，并且不能有效地发现社区间的相关性和层次关系等问题。该文提出一种新型的基于PAM(pachinko allocation model)概率主题模型的层次化网络社区发现算法，综合考虑了用户的兴趣和用户的社交网络关系，在同一模型平台上实现层次化的社区结构发现和用户兴趣挖掘，并捕捉和揭示社区之间的关联性和重叠性等特征。模型采用Gibbs采样方法进行参数推导。在真实数据集上的实验结果验证了所提出算法的可行性和有效性。

关键词：层次化社区发现、LDA、概率生成模型、社交网络

分类号：TP391(计算技术、计算机技术)

资助基金：国家高技术研究发展计划2011AA010706；国家自然科学基金61133016

在线出版日期：2015-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：898-903