基于图聚类与蚁群算法的社交网络聚类算法

作者：叶小莺; 万梅; 唐蓉; 谢云; 陈桂宏; 李强

来源：计算机应用研究, 2020, 37(06): 1670-1674+1687.

DOI：10.19734/j.issn.1001-3695.2018.12.0881

• 社交网络
• 数据挖掘
• 聚类处理
• 人工蚁群优化
• 图聚类
• 信任信息

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题。

• 单位
  广州工商学院; 广东东软学院; 中山大学