一种基于动态社区挖掘进行专家检索的方法

摘要

本发明提供一种基于动态社区挖掘进行专家检索的方法，针对动态网络环境，同时利用链接结构和内容信息挖掘社区，将链接结构和内容表达为矩阵形式，综合历史社区划分结果，使用非负矩阵分解方法进行社区划分,并对社区划分代价进行迭代处理，使其结果局部最优化，以使社区结果在反映网络的链接特征的同时，还反映话题、兴趣等语义层面的特征，通过利用社区划分结果和社区话题，进行专家搜索，从而实现不同时刻的专家检索。本发明的方法不仅能反映社区成员、规模的变化，还能反映社区的话题分布及其随时间的变化，从而可以将社区挖掘结果直接专家搜索。

主权项

一种利用动态社区挖掘结果进行专家检索的方法，其步骤包括：(1)从目标网络获取数据集，按时间段划分成多个子数据集，每个子数据集包括一系列网络快照，对每个子数据集使用矩阵分解方法进行社区划分，所述矩阵分解方法的步骤包括：(a)对每一网络快照，根据网络节点间的转移概率建立节点相似矩阵W，根据网络节点和文本中的单词间的转移概率建立内容信息矩阵C；(b)根据节点相似矩阵W计算拓扑结构代价cost_w；${\mathrm{cost}}_w=\partial ·D\left(W\right|\left|{\mathrm{XUX}}^T\right)+(1-\partial )·D\left(L\right|\left|{\mathrm{XUX}}^T\right)$(c)根据内容信息矩阵C计算内容信息代价cost_c；cost_C＝D(C||XUV^T)(d)根据cost和cost_c计算社区划分代价cost_total，并进行迭代优化；${\mathrm{cost}}_{total}=\partial ·D\left(W\right|\left|{\mathrm{XUX}}^T\right)+D\left(C\right|\left|{\mathrm{XUV}}^T\right)+(1-\partial )·D\left(L\right|\left|{\mathrm{XUX}}^T\right)$(e)将社区划分代价近似的网络节点的集合作为一个社区；其中：L为t‑1时刻对W_t‑1的分解结果，为时间平滑参数，k为社区个数，m为网络节点个数，n为单词个数，t为时刻；D为表示计算两个矩阵的KL距离的函数；(2)通过匹配相邻时间的社区划分结果，按概率排序，得到专家排名，完成专家检索。