科研之友
微信
新浪微博
Facebook
分享链接
摘要
社区搜索旨在信息网络中寻找与用户指定的查询节点高度相关的稠密连通子图，是社会网络分析的重要研究内容。现有的社区搜索方法大多是针对同质网络，但现实中的信息网络通常是包含多种节点类型和多种关系类型的属性异质网络。提出了异质网络中基于元路径P和元结构S的P-距离和S-距离及(k,d,P)-truss和(k,d,S)-truss社区模型以度量子图的结构内聚性，同时提出了关键词属性得分函数用于度量不同子图的关键词属性相关性，最后提出了搜索具有最高关键词属性得分的(k,d,P)-truss和(k,d,S)-truss的社区搜索算法。搜索算法能够找到同时具有结构内聚性和关键词属性相关性的个性化社区，并且支持限制查询节点与社区内任意节点的最大距离d来控制社区搜索的范围。在真实数据集上与相关的社区搜索算法进行了实验对比，结果证明了所提算法的有效性和可行性。
- 单位
