从社交网络中关注属性出发挖掘具扩展特征子空间的应用感知社区组织

社交网络是具有节点属性的典型属性网络。不同于旨在获取网络中整个社区集合的传统属性社区检测问题，我们研究一个面向应用的问题：针对特定关注属性挖掘应用感知社区组织。关注属性由用户根据任何应用需求预先指定。关于关注属性的应用感知社区组织由特征子空间包含这些关注属性的社区组成。除关注属性外，每个所需社区的特征子空间可能包含一些其他相关属性。特征子空间的所有相关属性共同描述并决定嵌入该子空间的社区。因此该问题包括两个子问题，即如何将关注属性集扩展为完整特征子空间，以及如何挖掘嵌入扩展子空间的社区。两个子问题通过优化称为子空间适应度（subspace fitness）的质量函数联合求解。提出一种称为ACM的算法。为定位可能属于应用感知社区组织的社区，检测由具有相似关注属性的节点组成的网络骨干的一致部分并设为社区种子。关注属性集设为所有社区种子的初始子空间。然后迭代调整每个社区种子及其属性子空间以优化子空间适应度。在合成数据集上的大量实验证明了方法的有效性和效率，真实网络上的应用显示其应用价值。