微博社区快速发现方法

doi:10.3778/j.issn.1673-9418.1410013

计算机科学与探索 ›› 2015, Vol. 9 ›› Issue (9): 1100-1107.DOI: 10.3778/j.issn.1673-9418.1410013

微博社区快速发现方法

刘超1，徐雅斌1,2+，武装1

1. 北京信息科技大学计算机学院，北京 100101
2. 网络文化与数字传播北京市重点实验室，北京 100101

出版日期:2015-09-01 发布日期:2015-12-11

Method for Rapid Detecting Micro-Blog Communities

LIU Chao1, XU Yabin1,2+, WU Zhuang1

1. School of Computer, Beijing Information Science & Technology University, Beijing 100101, China
2. Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing 100101, China

Online:2015-09-01 Published:2015-12-11

摘要/Abstract

摘要： 微博社区发现在舆情分析、个性化推荐等方面具有重要的应用价值。为了准确而高效地发现微博社交网络中的社区，提出了一种基于连边层次聚类的微博社区发现方法。该方法通过高度重叠社区的合并及划分误差的修正，进一步提高了微博社区发现的准确率。为了提高微博社区发现的效率，利用开源云计算平台Hadoop所提供的MapReduce编程模型进行了分布式并行处理。实验结果表明，所采用的微博社区发现方法不仅具有较高的准确率，而且具有较高的效率。

关键词: 微博, 微博社区发现, 连边层次聚类, MapReduce

Abstract: Micro-blog community detection has an important application value in public opinion analysis and personalized recommendation, etc. In order to find communities from micro-blog social network accurately and efficiently, this paper proposes a method of micro-blog community detection based on hierarchical clustering of edge. This method further improves the accuracy of community detection through merging highly overlapping communities and correcting divided error. To improve the efficiency of micro-blog community detection, this paper carries out distributed parallel processing with MapReduce model provided by open source cloud computing platform—Hadoop. The experimental results show that the micro-blog community detection method has higher accuracy and efficiency.

Key words: micro-blog, micro-blog community detection, edge hierarchical clustering, MapReduce

刘超，徐雅斌，武装. 微博社区快速发现方法[J]. 计算机科学与探索, 2015, 9(9): 1100-1107.

LIU Chao, XU Yabin, WU Zhuang. Method for Rapid Detecting Micro-Blog Communities[J]. Journal of Frontiers of Computer Science and Technology, 2015, 9(9): 1100-1107.

[1]	黄畅，郭文忠，郭昆. 面向微博热点话题发现的改进BBTM模型研究[J]. 计算机科学与探索, 2019, 13(7): 1102-1113.
[2]	周南，杜军平，姚旭，梁美玉，薛哲，LEE JangMyung. 基于卷积神经网络的微博话题内容搜索方法[J]. 计算机科学与探索, 2019, 13(5): 753-764.
[3]	张绍武，刘华丽，杨亮，邵华，林鸿飞. 基于图排序模型的微博观点信息识别[J]. 计算机科学与探索, 2018, 12(2): 292-299.
[4]	张敬伟，尚宏佳，钱俊彦，周萍，杨青. 非均匀数据分布下的MapReduce连接查询算法优化[J]. 计算机科学与探索, 2017, 11(5): 752-767.
[5]	郭心宇，岳昆，李劲，武浩，张彬彬. 面向评价数据中用户偏好发现的证据理论方法[J]. 计算机科学与探索, 2017, 11(2): 231-241.
[6]	李东，邓泽航，李祖立. 基于MapReduce的XML结构连接处理[J]. 计算机科学与探索, 2016, 10(8): 1080-1091.
[7]	胡志刚，景冬梅，陈柏林，杨柳. 基于Hadoop平台的语义数据查询策略研究[J]. 计算机科学与探索, 2016, 10(7): 948-958.
[8]	刘培玉，侯秀艳，朱振方，刘芳，蔡肖红. 基于热度联合排序的微博热点话题发现[J]. 计算机科学与探索, 2016, 10(4): 573-581.
[9]	单观敏，董一鸿，何贤芒. 基于MapReduce的连续概率Skyline查询[J]. 计算机科学与探索, 2016, 10(2): 182-193.
[10]	尹子都，岳昆，武浩，付晓东，刘惟一. 基于记忆曲线的数据密集型动态用户行为建模[J]. 计算机科学与探索, 2016, 10(10): 1376-1386.
[11]	张安珍，门雪莹，王宏志，李建中，高宏. 大数据上基于Hadoop的不一致数据检测与修复算法[J]. 计算机科学与探索, 2015, 9(9): 1044-1055.
[12]	黄磊，李寿山，王晶晶. 基于认证用户信息的微博用户类型识别方法[J]. 计算机科学与探索, 2015, 9(6): 719-725.
[13]	蒋勇，赵作鹏. 基于MapReduce模型的排序算法优化研究[J]. 计算机科学与探索, 2015, 9(4): 410-417.
[14]	孙鹤立，陈强，刘玮，黄健斌，邹建华. 利用MapReduce平台实现高效并行的频繁子图挖掘[J]. 计算机科学与探索, 2014, 8(7): 790-801.
[15]	燕彩蓉，张洋舜，徐光伟. 支持隐私保护的众包实体解析[J]. 计算机科学与探索, 2014, 8(7): 802-811.

微博社区快速发现方法

Method for Rapid Detecting Micro-Blog Communities

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