11、社交网络中动态群体行为特征分析与临时社区检测

社交网络中动态群体行为特征分析与临时社区检测

1. 引言

在社交网络中，发现社区结构是一个重要问题。通过识别节点间的交互来确定社区，建立用户（节点）间的联系是临时社区检测的关键。有意义的标签簇围绕特定兴趣主题，标签概念层次结构有助于识别标签社区和子社区，从而增强社交搜索。

2. 研究动机

在Web 2.0时代，采用民俗分类信息（用户、标签和资源的集合）的协作标签系统是构建高效信息检索和推荐系统的宝贵信息源。

• 标签的价值 ：在民俗分类中，标签是最有价值的信息源，可用于网页资源的索引、管理和组织。
• 高阶关系的需求 ：现代信息检索系统需要标签间的高阶关系，以形成语义结构并为标签添加上下文。本体和新兴语义Web技术有助于实现实体间的链接，对信息检索和推荐系统很重要。
• 标签聚类的目的 ：单个标签存在稀疏性、模糊性和粒度不同等问题，聚类标签可提取语义，解决这些问题。标签使用可用于信息探索、自动内容标注、用户画像等。
• 现有方法的不足 ：使用关联规则和传统聚类技术识别和分组相关标签存在局限性，关联规则依赖用户定义的参数，传统聚类技术需要预先定义聚类数量，且不考虑标签簇的重叠。

3. 相关研究

• 用户画像 ：通过分析用户的在线活动或用户生成内容中的意见来识别用户兴趣。
• 临时社区检测