一种社交网络中动态社区检测方法

互联网与技术的近期发展使得收集社交数据的工具取得重大进步，从而为社交网络分析开辟了新机遇。社交网络分析研究社交关系的模式，旨在发现嵌入社交网络结构中的隐藏特征。社交网络最重要的特征之一是社区结构：紧密联结的个体群体。社交网络中交互的动态性常给此类社区结构的检测带来挑战。本论文的贡献分为两类。第一类突出了随时间识别重叠社区的问题。为开展此类分析，提出了一种称为OLCPM（在线标签传播与团渗流方法）的框架。它是一种基于团渗流与标签传播方法的在线算法。OLCPM有两个主要特征：其一是发现重叠社区的能力，其二是处理细粒度时间网络的有效性。至于第二类，其强调分析嵌入于不同时间尺度的社区的问题。例如，在电子邮件或电话呼叫等交互网络中，个体既参与日常对话也参与偶发对话。我们提出了一种在多时间尺度上分析社区的首个方法。因而，动态网络（链接流）在不同时间粒度上被研究，并在每一时间粒度上检测出一段时间内连贯的社区（称为稳定社区）。两种所提方法均在合成与真实世界数据集上进行了验证。