Twitter上潜在社群的时间识别

社交网络中的用户社群通常通过考虑用户之间显式的结构性社会连接来识别。虽然此类社群能揭示其成员的重要信息，如家庭或朋友关系以及地理邻近性，但它们未必能成功将共享相同兴趣的志趣相投的用户聚集在一起。本文致力于识别随时间共享相似主题兴趣的用户社群，而不管他们在社交网络上是否显式互连。更具体地，我们解决从Twitter识别基于时间主题的社群的问题，即那些对Twitter上当前涌现主题具有相似时间倾向的用户社群。我们将每个主题建模为在推文中观察到的一组高度相关的语义概念，并通过基于每个概念随时间观测频率构建的时间序列表示进行聚类来识别它们。基于给定时间段内识别出的涌现主题，我们利用多元时间序列分析来建模每个用户对所识别主题的贡献，从而允许我们检测潜在用户社群。通过在Twitter数据上的实验，我们证明了i)我们的主题检测方法在检测真实世界主题上的有效性，以及ii)与成熟的社群检测方法相比我们方法的有效性。