有向网络兴趣社区的快速挖掘算法及其在僵尸粉检测中的应用

您当前的位置：

首页 >

文章列表页 >

有向网络兴趣社区的快速挖掘算法及其在僵尸粉检测中的应用

更新时间：2025-07-09

- 有向网络兴趣社区的快速挖掘算法及其在僵尸粉检测中的应用
- Issue 6, Pages: 7-12(2014)
- 作者机构：
  
  1. 西安交通大学智能网络与网络安全教育部重点实验室
  2. 清华大学自动化系智能与网络化系统研究中心
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP393.01
- Published：2014
- 稿件说明：
移动端阅览
[J]. 2014, (6): 7-12.
DOI：

[J]. 2014, (6): 7-12. DOI：

摘要

针对传统的无向网络社区挖掘方法无法实现大规模有向网络中社区有效发现的问题

提出了一种新的有向图社区及其兴趣特征快速挖掘算法。采用贪心算法求解社区划分模块性最大化的优化问题

较好地平衡了有向图社区挖掘中准确性与有效性之间的矛盾

实现对大规模微博类有向网络社区结构的有效识别;基于发现的社区

采用tf-idf算法进一步挖掘社区用户的兴趣爱好

实现了对微博网络中兴趣小组的精确挖掘。基于新浪微博的实验结果表明:所提算法不仅可以快速有效地挖掘有向网络中的社区结构及其用户的兴趣特征

还能够准确地检测出微博网络中的僵尸粉社区

研究结果对微博系统的净化、谣言控制、网络广告的精准投放等研究具有重要的参考价值。

Abstract

关键词

Keywords

references

赵文兵,朱庆华,吴克文,黄奇.微博客用户特性及动机分析——以和讯财经微博为例[J].现代图书情报技术,2011(02).

张云.基于开源软件的中文学术文献计量软件的开发实践[J].现代图书情报技术,2010(04).

杨楠,弓丹志,李忺,孟小峰.Web社区发现技术综述[J].计算机研究与发展,2005(03).

Bimal Viswanath,Ansley Post,Krishna P. Gummadi,Alan Mislove.An analysis of social network-based Sybil defenses[J].ACM SIGCOMM Computer Communication Review,2010.

Vincent D Blondel,Jean-Loup Guillaume,Renaud Lambiotte,Etienne Lefebvre.Fast unfolding of communities in large networks[J].Journal of Statistical Mechanics: Theory and Experiment,2008.

M. E. J. Newman.Detecting community structure in networks[J].The European Physical Journal B,2004.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

采用超图的微博群落感知方法

Bi-Level Multi-Obj ective Optimization of a Wind-Solar Coupled Hydrogen Production System Based on the Synergy of Hybrid Electrolyzer Arrays

Knowledge Graph Representation Learning Driven by Semantic Discrimination and Subgraph Integration

Energy Efficiency Optimization of the Cryogenic Air Separation Process for Electronic-Grade Ultra Pure Nitrogen

Influence of Structural Parameters on the Summer Operational Characteristics of a Three-Tower-in-One Indirect Air-Cooling System

Related Author

莫同

褚伟杰

李伟平

吴中海

Related Institution

北京大学软件与微电子学院

⁰