计算机应用研究

作者：叶小莺,万梅,唐蓉,谢云,陈桂宏,李强,

单位：1.广东东软学院计算机科学与技术系,广东佛山528225；2.广州工商学院计算机科学与工程系,广州510850；3.重庆市九龙坡区精神卫生中心,重庆400052；4.中山大学电子与信息工程学院,广州510006；

关键词：社交网络,数据挖掘,聚类处理,人工蚁群优化,图聚类,信任信息,

基金：广东省科技计划协同创新与平台环境建设基金资助项目(2017A040406001)；广东省教育厅与思科(中国)创新科技有限公司产学合作协同育人项目(粤教高函［2017］153号)；；

针对社交网络中社交关系的有向性与多样性，提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先，在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型；然后，采用K-medoids算法搜索用户分组的中心用户，采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性，将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外，通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明，该算法实现了较好的社交网络聚类性能，并且有效地缓解了稀疏性问题与冷启动问题。

来源：2020年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第6期