41、在线社区：社交计算视角深度剖析

在线社区：社交计算视角深度剖析

社区挖掘技术

在互联网的海量数据中，许多在线社区显而易见，但也有不少隐匿难寻。为了找出这些隐藏的社区，研究人员开发了一系列计算技术，统称社区挖掘，涵盖搜索、网页抓取、社交网络分析和数据挖掘等。
- 网页抓取 ：传统搜索或资源收集算法聚焦特定主题信息，而Kumar等人提出的网页抓取方法独树一帜。它能识别作为社区标志的图结构实例，网络社区被定义为内部链接多于外部链接的网站集合，基于最大流的网页爬虫可沿高相关链接路径逼近社区。此外，Flake等人针对自组织链接结构社区开发了新方法，该方法不依赖文本，识别出的社区可用于推断文本规则，增强基于文本方法的效果。
- 社区网络分析 ：每个社区核心都有社交网络，社交网络分析在社区挖掘中潜力巨大。传统社区挖掘方法多假定网络中只有单一关系，且挖掘结果与用户需求偏好无关。Cai等人实现了从单网络、用户无关分析到多网络、用户相关及基于查询分析的转变。同时，Yang等人开发了计算包含正负关系的有符号社交网络的新算法。
- 博客中的社区 ：博客由个人撰写，兼具文档和个人属性，连接超文本网络与社交网络。新型博客软件重塑在线社区，博客中虚拟社区的挖掘成为社区挖掘新分支。

计算社区特征

人们加入在线社区后会参与多种活动，计算方法可助力刻画这些活动特征。
- 角色识别 ：社区成员各有角色，领导者和专家是核心信息提供者。研究人员开发自动识别方法，如PageRank和HITS等基于网络的排名算法，可评估在线环境下的专业网络，自动确定相对专业度。在