BL-ECD：基于宽度学习的企业社区检测与层次结构融合
社会与信息网络
2017-11-28 v1 数据库
摘要
企业中的员工可被划分为不同的社区，那些经常相互社交的人被视为亲密朋友并被归入同一社区。在企业环境中，关于员工的大量信息可从（1）线下公司内部来源和（2）线上企业社交网络（ESN）中获得。每个信息来源同时也包含多类员工的社交活动。本文提出基于宽度学习设定，同时利用这些线上与线下信息来源来检测企业中员工的社交社区，该问题被正式称为“基于宽度学习的企业社区检测”（BL-Ecd）问题。为解决该问题，本文引入了一种新颖的基于宽度学习的社区检测框架，名为“异构多源聚类”（Humor）。基于本文提出的各种企业社交亲密度度量，Humor针对每类社交活动分别检测出一组员工的微社区结构。为获得公司员工的（全局）一致社区结构，Humor进一步通过两个宽度学习阶段融合这些微社区结构：（1）微社区结构的内部融合，分别获得线上与线下的（局部）一致社区；（2）线上与线下社区的之间融合，以实现员工的（全局）一致社区结构。在真实企业数据集上进行的广泛实验表明，我们的方法在解决BL-Ecd问题上表现非常好。
引用
@article{arxiv.1711.09411,
title = {BL-ECD: Broad Learning based Enterprise Community Detection via Hierarchical Structure Fusion},
author = {Jiawei Zhang and Limeng Cui and Philip S. Yu and Yuanhua Lv},
journal= {arXiv preprint arXiv:1711.09411},
year = {2017}
}
备注
10 Pages, 12 Figures. Full paper has been accepted by CIKM 2017,In: Proceedings of the 2017 International Conference on Information and Knowledge Management