基于行为相似度的微博社区发现研究.pdfVIP

第39卷 第8期 计 算 机 工 程 2013年8月 V_01-39 NO．8 ComputerEngineering August2013 · 先进计算与数据处理 · 文章编号：l000—_3428(2o13)08—_o055—_05 文献标识码tA 中田分类号。TP391 基于行为相似度的微博社 区发现研究 蔡波斯，陈 翔 (北京理工大学管理与经济学院，北京 100081) 摘 要：现实的微博关系矩阵通常具有稀疏性，而基于关系链接划分出的社区只能体现社区中人与人的朋友关系。为解决该问题， 提 出一种基于行为相似度 的微博社区发现模型。采用主成分分析方法构造行为相似度，解决关系矩阵稀疏问题，使用改进的派系 过滤方法克服计算量过大的缺点。通过抓取新浪微博的真实数据，将该模型与基于关系属性的社区划分模型进行对 比，结果表明， 该模型的平均集聚系数提高了5倍 ，更能体现 出社区划分的强凝聚性。 关健词：行为相似度；微博；社区发现；社区划分；主成分分析；派系过滤方法 Reseach0nW eiboCommunityDiscovery Based0nBehaviorSimilari~ ． CAIBo-si．CHEN Xiang (SchoolofManagementandEconomics，BeijingInstituteofTechnology,Beijing100081，China) [Abstract]Tosolvetheproblemofmatrixsparsenessoftheweibosocialnetworkandtheproblemoflimitedmeaningofthecommunity detectedbasedonsocialrelationship．Thispaperproposesaweibocommunitydetectmodelbasedonbehaviorsimilarity．Byselecting relatedindexesfromweiboandusingPrincipalComponentAnalysis(PCA)，itreducesthedimensionoftheindicators．Itappliesmodified CliquePercolationMethod(CPM)todiscovercommunityofweiboanddichotomizestheinputmatrixtoreducethecomputationofCPM algorithm．By collectingrealdatafrom Sinaweibo，itcomparesnew methodandtraditionalmethodwhichbuildsmodelon connectivity attribute．Theresultsshow thatthisnew methodhashigherclustering coefficientwhich is5timesmorethanthertaditionalone，which showsthatcommunitydiscoveredbynewmethodhasstrongercohesion． [Keywordslbehaviorsimilarity；weibo；communiytdiscovery；communitydivision；PrincipalComponentAnalysis(PCA)；CliquePer- colationMethod(CPM) D0I：10．3969／j．issn．1000·3428．2013．08．O11