76、社交网络分析：图聚类与推特用户性别标注数据集构建

社交网络分析：图聚类与推特用户性别标注数据集构建

图聚类算法研究

在图聚类领域，研究人员提出了一种用于图聚类的算法。该算法在静态实验中，能为更精细的结构产生高q - 模块化结果。不过，与Louvain方法或带离散化的谱聚类相比，它未能达到q - 模块化的全局最优。

在边移除实验中，研究人员创建了100个图，并从每个图中随机移除100条现有边，共得到10000个移除事件。结果显示，若移除的边未破坏到枢纽节点的最短路径，则无需发送任何消息，这种情况占事件的60.1%。平均而言，每次移除操作需要发送14.2条消息（标准差为42.15），最多发送了674条消息，这是枢纽节点附近结构发生变化的罕见情况。这表明该算法在动态图结构上表现良好，当图随时间变化时，只需少量处理步骤即可更新聚类，适用于在线聚类和社区分析。

此外，该算法能生成重叠社区并提供模糊成员度，结果具有确定性，随机性仅影响清晰的聚类分配。

推特用户性别标注数据集创建

研究背景

社交网络服务为人们提供了便捷的交流和表达情感的方式，用户生成的内容包含了用户行为、偏好等线索以及元数据信息，可用于科学研究。其中，Twitter成为社交网络研究的重要来源，但Twitter注册不包含用户性别信息，这使得许多涉及Twitter的研究依赖小的手动标注数据集，手动标注不仅劳动密集，而且在处理大量用户时具有挑战性。

已有研究情况

文献中常见关于Twitter数据集创建的报道，但大多数数据库未标注用户性别或年龄等属性。表1总结了文献中报道的标注数据集，可见多数研究使用的标注数据集与现有用户数量相比规模较小。这些研究涉及多种语言，其中英语用户占66.7%，葡萄牙