NEIWalk：基于动态内容的网络中的社区发现

最近，发现动态社区已变得越来越重要。 已经提出了许多算法，其中大多数仅使用链接结构。 但是，丰富的信息被编码在社交网络的内容中，例如节点内容和边缘内容，这对于发现具有局部意义的社区至关重要。 因此，要检测结构上和局部上有意义的社区，应集成链接结构，节点内容和边缘内容。 主要挑战在于如何无缝地动态集成它们。 本文提出了一种基于内容的网络到节点边缘交互（NEI）网络的新型转换方法，其中链接结构，节点内容和边缘内容被无缝嵌入。 提出了一种基于差异活动的方法，以随着基于内容的网络的发展而逐步维护NEI网络。 为了捕获不同边缘类型的语义效果，为NEI网络设计了一个转移概率矩阵。 基于此，异构随机游走被用于发现动态社区，从而导致了一种新的动态社区检测方法，称为NEIWalk（基于NEI网络的随机游走）。 理论分析表明，所提出的NEIWalk方法由于随机游走采样而导致有一定限度的精度损失。 实验结果证明了NEIWalk的有效性和效率。