大型属性图中关键字感知的影响力社区搜索
社会与信息网络
2022-09-14 v1 计算与语言
摘要
我们引入一种新颖的关键字感知影响力社区查询 KICQ，用于从属性图中找出最具影响力的社区，其中影响力社区被定义为一组紧密连接的顶点，其对具有与查询词项（单词或短语）相匹配的专业领域（一组关键字）的其他顶点组具有一定支配性。我们首先设计了 KICQ，其便于用户通过使用一组查询词项及谓词（AND 或 OR）直观地发出影响力社区搜索（CS）查询。在此背景下，我们提出了一种新颖的基于词嵌入的相似度模型，可实现语义社区搜索，大幅缓解了基于精确关键字的社区搜索的局限性。接下来，我们提出了一种针对社区的新影响力度量，其同时考虑社区的凝聚性与影响力，并免除了指定网络内部参数值的需求。最后，我们提出了两种在大属性图中搜索影响力社区的高效算法。我们给出了详尽的实验与案例研究，以证明所提方法的有效性与高效性。
引用
@article{arxiv.1912.02114,
title = {Keyword Aware Influential Community Search in Large Attributed Graphs},
author = {Md. Saiful Islam and Mohammed Eunus Ali and Yong-Bin Kang and Timos Sellis and Farhana M. Choudhury},
journal= {arXiv preprint arXiv:1912.02114},
year = {2022}
}
备注
Under review for VLDB 2020