排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
互联网技术的发展使诸如微博等社会网络的规模迅速增长,对这些网络进行挖掘分析,揭示网络特性对研究人们之间的联系具有重要意义。因此,发现高质量的网络社区结构是当前社会网络分析研究中的重要方向。传统的关系圈挖掘算法复杂度高,在大规模网络结构中性能下降。相比于传统社区发现算法,标签传播算法(LPA)具有时间复杂度上的巨大优势,而且其改进的SLPA还具有挖掘重叠社区的能力,但是标签传播算法内在的随机策略使得算法稳定性不高。针对标签传播算法的缺点,提出一种基于节点相似度的标签传播算法(NS-SLPA),根据节点相似度进行节点标签的初始化过程,以降低传播过程中的随机选择性。实验结果证明,NS-SLPA相比于SLPA,具有更高的稳定性和有效性。 相似文献
3.
随着社交网络的不断发展,微博成为越来越多的人获取信息的平台。为了有效解决微博话题检测中海量短文本带来的词稀疏问题,提出结合全局向量模型(GloVe)和潜在狄利克雷分布(LDA)的GV-LDA模型。在使用LDA进行话题检测前,模型利用多义词词项的含义与词性相关的事实,在标注过并去除低频词的语料上,对全局向量模型进行训练获得词向量,对词性相同且相似度大于阈值的词进行替换以解决稀疏性问题。实验结果表明, GV-LDA模型较传统的LDA主题模型,可有效提高话题检测的准确率和召回率,并降低“主题词”处理的维度,因此GV-LDA更适合微博话题检测。 相似文献
1