66、社区图聚类与网络社区创造力提升的计算机化支持

社区图聚类与网络社区创造力提升的计算机化支持

在当今数字化时代，网络技术的飞速发展使得人们能够轻松地跨越时空限制，形成各种网络社区。这些社区为人们提供了交流、合作和创造的平台，如何更好地挖掘社区成员的创造力，促进信息共享和知识创造，成为了研究的热点。本文将介绍两种不同但又相互关联的研究方向：基于局部流介数中心性（LFBC）的社区图聚类方法，以及用于增强网络社区人类创造力的计算机化协作支持。

基于LFBC的社区图聚类

在社区图聚类的研究中，我们结合图论和社会网络分析中的节点中心性思想，提出了一种新的模型和算法。

• LFBC算法 ：引入了基于局部流介数中心性（LFBC）的社区检测新算法。该算法通过计算图中边的权重，来反映社区的特征。具体来说，我们构建了一个框架，用于对图中与社区特征对应的边的权重进行建模。
• 高效计算方法 ：提出了一种在相关边上高效计算LFBC的方法，避免了在每次迭代时对图中每条边都进行计算，从而提高了算法的效率。
• 实验验证 ：我们在一个名为MLog的即时消息语料库上对算法进行了验证。实验结果表明，尽管LFBC不是一种像聚类准确率或精确率/召回率那样的定量度量，但通过对小实验语料库的真实验证，以及在大语料库上对“商业智能”的验证，我们认为基于LFBC的方法具有很大的潜力。

网络社区创造力提升的计算机化支持

随着计算机和互联网的发展，网络社区成为人们交流和合作的重要场所。为了增强网络社区中人类的创造力，我们开发了一系列计算机化的协作支持工具，并