融合多维数据的微博社区发现算法

　　 随着微博用户的不断增加，微博网络已成为用户进行信息交流的平台，针对由于博文长度受限，传统的社区发现算法无法有效解决微博网络的稀疏性等问题，提出了DC-DTM（discovery community by dynamic topic modeD算法.DC-DTM算法首先将微博网络映射为有向加杈网络，网络中边的方向反映节点之间的关注关系，利用所提出的DTM（dynamic topic model）计算出节点之间的语义相似度，并将其作为节点间连边的权重.DTM是一种微博主题模型．该模型不仅能够挖掘博客的主题分布，而且能够计算出某一主题中用户的影响力大小．其次，利用所提出的复杂度较低的标签传播算法WLPA（weighted lebel propagation）进行微博网络的社区发现．该算法的初始化阶段将影响力大的用户节点作为初始节点，标签按照节点的影响力从大到小进行传播，避免了传统标签传播算法逆流现象的发生，提高了标签传播算法的稳定性．真实数据上的实验结果表明，DTM模型能够很好地对微博进行主题挖掘，DC-DTM算法能够有效地挖掘出微博网络的社区．