基于用户偏好和信任度的移动社交网络社区聚类模型

摘要

[目的/意义]随着移动社交网络规模的不断扩大,移动社交网络结构日益复杂,如何高效准确地挖掘网络社区的结构及其潜在特征成为目前社交领域研究的热点.[方法/过程]针对已有社区发现算法存在忽视节点相似性且对于节点之间的关系特征描述较为单一的问题,提出了一种基于用户偏好和信任度的移动社交网络社区聚类模型.该模型综合考虑了移动社交网络中节点的关系强度、节点相似性及交互信息相似性,通过计算节点间的关系信任度、相似信任度和偏好相似度并基于节点信任和节点偏好的总相似度来实现移动社交网络社区的划分.此外,主要从结构内聚性和偏好内聚性来对社区聚类结果进行质量评估.[结果/结论]实验结果表明,与经典的社区划分算法相比,提出的聚类算法在满足社区结构内聚性要求的前提下,能够有效划分出潜在的偏好内聚性较高的社区.