融合多維數(shù)據(jù)的微博社區(qū)發(fā)現(xiàn)算法

　　 隨著微博用戶的不斷增加，微博網(wǎng)絡(luò)已成為用戶進(jìn)行信息交流的平臺，針對由于博文長度受限，傳統(tǒng)的社區(qū)發(fā)現(xiàn)算法無法有效解決微博網(wǎng)絡(luò)的稀疏性等問題，提出了DC-DTM（discovery community by dynamic topic modeD算法.DC-DTM算法首先將微博網(wǎng)絡(luò)映射為有向加杈網(wǎng)絡(luò)，網(wǎng)絡(luò)中邊的方向反映節(jié)點(diǎn)之間的關(guān)注關(guān)系，利用所提出的DTM（dynamic topic model）計算出節(jié)點(diǎn)之間的語義相似度，并將其作為節(jié)點(diǎn)間連邊的權(quán)重.DTM是一種微博主題模型．該模型不僅能夠挖掘博客的主題分布，而且能夠計算出某一主題中用戶的影響力大?。浯危盟岢龅膹?fù)雜度較低的標(biāo)簽傳播算法WLPA（weighted lebel propagation）進(jìn)行微博網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)．該算法的初始化階段將影響力大的用戶節(jié)點(diǎn)作為初始節(jié)點(diǎn)，標(biāo)簽按照節(jié)點(diǎn)的影響力從大到小進(jìn)行傳播，避免了傳統(tǒng)標(biāo)簽傳播算法逆流現(xiàn)象的發(fā)生，提高了標(biāo)簽傳播算法的穩(wěn)定性．真實數(shù)據(jù)上的實驗結(jié)果表明，DTM模型能夠很好地對微博進(jìn)行主題挖掘，DC-DTM算法能夠有效地挖掘出微博網(wǎng)絡(luò)的社區(qū)．