基于形式概念分析的博客社区发现

doi:10.3724/SP.J.1087.2013.00189

计算机应用 ›› 2013, Vol. 33 ›› Issue (01): 189-191.DOI: 10.3724/SP.J.1087.2013.00189

基于形式概念分析的博客社区发现

刘兆庆,伏玉琛,凌兴宏,熊湘云

苏州大学计算机科学与技术学院，江苏苏州 215006

收稿日期:2012-07-30 修回日期:2012-08-27 出版日期:2013-01-01 发布日期:2013-01-09
通讯作者: 刘兆庆
作者简介:刘兆庆(1987-)，男，江苏徐州人，硕士研究生，主要研究方向：Web数据挖掘、社区发现；伏玉琛(1968-)，男，江苏徐州人，副教授，博士，主要研究方向：机器学习、智能信息处理；凌兴宏(1968-)，男，江苏宝应人，副教授，博士，主要研究方向：语义Web、机器学习；熊湘云(1987-)，女，江苏连云港人，硕士研究生，主要研究方向：社区结构、Web数据挖掘。
基金资助:
国家自然科学基金资助项目(61070122)

Blog community detection based on formal concept analysis

LIU Zhaoqing,FU Yuchen,LING Xinghong,XIONG Xiangyun

School of Computer Science and Technology, Soochow University, Suzhou Jiangsu 215006, China

Received:2012-07-30 Revised:2012-08-27 Online:2013-01-01 Published:2013-01-09
Contact: LIU Zhaoqing

摘要/Abstract

摘要： 针对拖网算法存在的发现Web社区数量过多、社区间页面重复率较高以及严格的社区定义形成孤立社区等问题，提出一种基于形式概念分析(FCA)的博客社区发现算法。根据博客网络之间的链接关系构造概念格，通过格的代数消解对原始概念格进行等价划分，度量每个划分中概念间外延和内涵的结构相似性进而合并社区核心形成社区。实验结果表明：测试数据集中社区核心的网络密度大于40%的占全部的83.420%，合并社区的网络直径为3，且社区内容丰富程度得到提高。所提算法可以有效地运用于博客、微博等社交网络的社区发现，具有显著的应用价值和现实意义。

关键词: 博客社区, 社区发现, 形式概念分析, 链接分析, 社交网络

Abstract: Several problems exist in trawling algorithm, such as too many Web communities, high repetition rate between community-cores and isolated community formed by strict definition of community. Thus, an algorithm detecting Blog community based on Formal Concept Analysis (FCA) was proposed. Firstly, concept lattice was formed according to the linkage relations between Blogs，then clusters were divided from the lattice based on equivalence relation, finally communities were clustered in each cluster based on the similarity of concepts. The experimental results show that, the community-cores, which network density is greater than 40%, occupied 83.420% of all in testing data set, the network diameter of combined community is 3, and the content of community gets enriched significantly. The proposed algorithm can be effectively used to detect communities in Blog, micro-Blog and other social networks, and it has significant application value and practical meaning.

Key words: Blog community, community detection, Formal Concept Analysis (FCA), link analysis, social network

中图分类号:

刘兆庆伏玉琛凌兴宏熊湘云. 基于形式概念分析的博客社区发现[J]. 计算机应用, 2013, 33(01): 189-191.

LIU Zhaoqing FU Yuchen LING Xinghong XIONG Xiangyun. Blog community detection based on formal concept analysis[J]. Journal of Computer Applications, 2013, 33(01): 189-191.

参考文献

［1］CARRINGTON P J, SCOTT J. The SAGE handbook of social network analysis ［M］. Los Angeles: SAGE Publications, 2011.

［2］杨宇航,赵铁军,于浩,等.Blog研究［J］.软件学报,2008,19(4):912-924.

［3］何镝,彭智勇,梅晓茸.Web社区管理研究综述［J］.计算机科学与探索,2011,5(2):97-113.

［4］TOYODA M, KITSUREGAWA M. Creating a Web community chart for navigating related communities ［C］// Proceedings of the 12th International Conference on World Wide Web. New York: ACM Press, 2001: 103-112.

［5］KUMAR R, RAGHAVAN P, RAJAGOPALAN S, et al. Trawling emerging cyber communities automatically ［C］// Proceedings of the 8th International Conference on World Wide Web. New York: Elsevier North-Holland, 1999: 1481-1493.

［6］FLAKE G W, LAWRENCE S, GILES C L. Efficient identification of Web communities ［C］// 〖HJ1.45mm〗Proceedings of the 6th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM Press, 2000: 150-160.

［7］LIU X Y, LIN H F, ZHANG C. An improved HITS algorithm based on page-query similarity and page popularity ［J］. Journal of Computers, 2012, 7(1): 130-134.

［8］PAPADOPOULOS S, KOMPATSIARIS Y, VAKALI A, et al. Community detection in social media ［J］. Data Mining and Knowledge Discovery, 2012, 24(3): 515-554.

［9］张金增，范明.一种改进的基于最大流的Web社区挖掘算法［J］.计算机应用,2009,29(1):213-216.

［10］杨楠,弓丹志,孟小峰,等.Web社区发现技术综述［J］.计算机研究与发展,2005,42(3):439-447.

［11］马垣,曾子维,迟呈英,等.形式概念及其新进展［M］.北京:科学出版社,2010.

［12］FUNK P, LEWIEN A, SNELTING G, et al. Algorithms for concept lattice decomposition and their application ［R］. Braunschweig: Technische University, 2008.

［13］BONACICH P. Factoring and weighting approaches to status scores and clique identification ［J］. Journal of Mathematical Sociology, 1972, 2(1): 113-120.

［14］WAGNER D, WILLHALM T, ZAROLIAGIS C. Geometric con-tainers for efficient shortest path computation ［J］. Journal of Experimental Algorithmics, 2005, 10(13): 1-30.

［15］OUNIS I, de RIJKE M, MacDONALD C, et al. Overview of the TREC—2006 Blog track ［EB/OL］. ［2012-03-09］. http://trec.nist.gov/pubs/trec15/papers/BLOG06.OVERVIEW.pdf.

［16］高琰.基于多特征的Web社区发现关键技术研究［D］.长沙：中南大学，2007.

[1]	张萌, 李维华. 用户互动表示下的影响力最大化算法[J]. 计算机应用, 2021, 41(7): 1964-1969.
[2]	秦丽, 郝志刚, 李国亮. 国家食品安全标准图谱的构建及关联性分析[J]. 计算机应用, 2021, 41(4): 1005-1011.
[3]	李萍, 汪芬, 陈祺东, 孙俊. 求解多目标社区发现问题的离散化随机漂移粒子群优化算法[J]. 计算机应用, 2021, 41(3): 803-811.
[4]	孙鹤立, 徐统, 何亮, 贾晓琳. 融合用户历史行为与社交关系的个性化社交事件推荐方法[J]. 计算机应用, 2021, 41(2): 324-329.
[5]	赵旭剑, 王崇伟. 基于图卷积网络的微博新闻故事线抽取方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3139-3144.
[6]	李翔锟, 贾彩燕. 融合重叠社区正则化及隐式反馈的协同过滤方法[J]. 计算机应用, 2021, 41(1): 53-59.
[7]	盛俊, 李斌, 陈崚. 基于模块度和标签传递的推荐算法[J]. 计算机应用, 2020, 40(9): 2606-2612.
[8]	李春英, 汤庸, 肖政宏, 李天送. 学术社交网络中的权威学者推荐模型[J]. 计算机应用, 2020, 40(9): 2594-2599.
[9]	罗香玉, 李嘉楠, 罗晓霞, 王佳. 改进的动态图社区演化关系分析方法[J]. 计算机应用, 2020, 40(8): 2313-2318.
[10]	杨书新, 梁文, 朱凯丽. 社交网络中对立影响最大化算法[J]. 计算机应用, 2020, 40(7): 1944-1949.
[11]	易东义, 邓根强, 董超雄, 祝苗苗, 吕周平, 朱岁松. 基于图卷积神经网络的医保欺诈检测算法[J]. 计算机应用, 2020, 40(5): 1272-1277.
[12]	冯丽萍, 韩琦, 周志刚, 白增亮. 社交网络影响的不良信息扩散建模及最优控制策略[J]. 计算机应用, 2020, 40(3): 735-739.
[13]	单晓欢, 张志国, 宋宝燕, 任成林. 事件社交网中基于有向标签图及用户反馈的活动推荐方法[J]. 计算机应用, 2020, 40(2): 448-453.
[14]	郑文萍, 岳香豆, 杨贵. 基于随机游走的改进标签传播算法[J]. 计算机应用, 2020, 40(12): 3423-3429.
[15]	成其伟, 陈启买, 贺超波, 刘海. 基于改进对称二值非负矩阵分解的重叠社区发现方法[J]. 计算机应用, 2020, 40(11): 3203-3210.

基于形式概念分析的博客社区发现

Blog community detection based on formal concept analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics