利用距离模块度挖掘社交网络中的地理分散社区
社会与信息网络
2013-05-17 v1 物理与社会
摘要
在军事、情报和警务行动（如反恐、反叛乱和打击有组织犯罪）中，参与者占据地理空间位置的社交网络十分普遍。这些网络通常源自各种情报来源。发现地理分散的社区源于识别更高层级组织结构的需求，例如为各个地理分散的恐怖分子小组提供支持的后勤组织。我们将 Newman-Girvan 模块度的一个变体（称为距离模块度）应用于此问题。为解决寻找地理分散社区的问题，我们修改了著名的 Louvain 算法，以找到能对该量提供近优解的网络划分。我们将该算法应用于两个真实世界社交网络和一个具有相关地理空间位置节点的恐怖主义网络数据集的多个样本。实验表明这是一种有效的方法，并突出了将算法应用于距离模块度最大化时的各种实际考量。多家军事、情报和执法机构正与我们合作，进一步测试和部署用于这一新兴应用的软件。
引用
@article{arxiv.1305.3668,
title = {Mining for Geographically Disperse Communities in Social Networks by Leveraging Distance Modularity},
author = {Paulo Shakarian and Patrick Roos and Devon Callahan and Cory Kirk},
journal= {arXiv preprint arXiv:1305.3668},
year = {2013}
}