基于Skip-gram模型的社区查询算法  

Community search based on Skip-gram

作　　者：廖宇 朱福喜[1,2] 刘世超[1] LIAO Yu;ZHU Fuxi;LIU Shichao(School of Computer Science,Wuhan University,Wuhan 430072,China;School of Computer Science and Technology,Hankou University,Wuhan 430212,China)

机构地区：[1]武汉大学计算机学院,武汉430072 [2]汉口学院计算机科学与技术学院,武汉430212

出　　处：《计算机工程与应用》2018年第8期143-148,共6页Computer Engineering and Applications

基　　金：国家自然科学基金(No.61272277)

摘　　要：社会网络的巨大规模和复杂结构使得探索整个网络的社区结构的代价变得高昂。因此,着眼于网络局部结构特征的社区查询有着重要的应用意义。常见的社区查询算法易将与查询无关的子结构合并到目标社区中。利用Skip-gram模型将序列化后的社会网络映射到连续的向量空间以求解节点之间的相似度,并结合节点的度这个属性特征修正了原有的社区尺度,以此作为标准进行节点聚类,从而得到查询节点所属的社区结构。经过在真实数据集上的实验,改进的社区查询算法的准确性和查询一致性较已有算法有了较大提高。The huge size and complex structure of the social network make it impossible to explore the community structure of the whole network.Therefore,the community search,which focuses on the local community structure,has important research significance.Previous community-search algorithms usually combine irrelevant structures into the target community.This paper uses the Skip-gram model to learn the latent representations of networks,and uses the new goodness metric of community which combines the similarity and degree of the nodes together to find the target community.The experiments on real networks demonstrate the accuracy and consistency of the new algorithm.

关 键 词：社区查询 局部社区发现 Skip-gram模型 节点相似度 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]