基于语义-时空感知的 k 核社区搜索

现实网络常涉及关键词和位置信息，以及由于交通条件导致的地点间旅行时间差异。然而，大多数现有的基于单属性（要么是关键词，要么是位置）的社区搜索研究仅利用单一属性来识别社区，无法同时考虑关键词和位置，导致检测到的社区在语义或空间一致性方面较低，还未能考虑旅行时间的变化。此外，这些研究会遍历整个网络以构建高效索引，但检测到的社区仅涉及围绕查询节点的节点，导致遍历与社区无关的节点。因此，我们提出发现语义-时空感知 k 核的问题，即指具有高语义和时依赖空间一致性、包含查询节点的 k 核。为解决此问题，我们提出了一种精确算法和一种贪心算法，两者都从查询节点逐渐向外扩展。它们是局部方法，仅访问查询节点附近属性网络的局部部分，而非整个网络。此外，我们设计了一种方法计算两个关键词之间的语义相似度，利用大型语言模型。这一方法缓解了现有社区搜索研究中使用的关键词匹配方法的缺点，如因表达不同的同义词而导致的不匹配以及无关词的存在。实验结果表明，贪心算法在结构、语义和时依赖空间一致性方面均优于基线方法。