面向信息网络的社区分析.ppt

* 两阶段模型的框架 Query Doc-1 Score Doc-2 Score Doc-3 Score … Doc-k Score … Document Score Expert-1 Score Expert-2 Score Expert-3 Score … Expert-4 Score … Expert Score Ranked List of Experts Stage 1 Stage 2 * 专家建模方法框架 Query Document Collection Candidate Experts Person Profile Documents Ranked List of Experts * 什么是专家？ 内容相关度 和查询的相关程度 在现有方法中得到了深入的研究 社区权威度 在查询对应的领域内，专家的知名度、权威度等 利用网络中的社区关系，例如：邮件回复关系、文章引用关系、共同署名关系、共现关系 * 基于多关系权威度量的专家有哪些信誉好的足球投注网站模型 关系1：文档、专家间的互增强关系 关系2：文档、文档间的推荐关系 关系3：专家和专家的共现、推荐关系 多关系权威度量模型 * Comparison with other models Models MAP MRR Median run in Enterprise Track 2007 0.2468 0.5011 ExpertRun02 0.3689 0.5142 THUIRMPDD4 0.4632 - Relation-based model 0.4385 0.5658 Hybrid model 0.5067 0.6698 * 50个查询上的结果 50％的查询上，MAP超过0.5 20%的查询上，MAP高达1.0 * 总结 社区分析是互联网服务的一个重要而又基础的问题 信息网络的社区分析有四类难解决的问题 多维关系度量、社区显著性度量、重叠社区发现、社区演化性分析 信息网络社区分析及其应用的初步实践 基于信息瓶颈的社区发现、层次化叠代社区结构分析、社区内重要人物发现、专家有哪些信誉好的足球投注网站 正在进行的工作：更符合实际价值、更能体现网络的功能表达稳定性、能够度量多维度关系的社区结构显著性评价模型及社区分析方法 * Thank you! * * * * * 使用两个随机变量示网络拓扑结构是指：拓扑是指节点的关系，每个边对应两个节点，一边用一个变量表示。 * 网络上，每个节点表示俱乐部的一个成员，边表示两者之间相互认识。 后来，由于俱乐部的教练和老板，分别为1和33发生了争执，俱乐部分裂为两个俱乐部，分别用不同形状的节点。 中间的竖线表示，基于信息瓶颈的社区发现得到的划分结果，节点3被误分，但是节点3和两边的连接个数都为5，容易误分。 * 二部图网络的例子： 是为了说明，二部图二部的节点相互影响构成社区，即喜欢汽车的各个个体和汽车一起构成一个社区。 有向网络的例子： 是为了说明，关注入边和出边得到的社区可能不同，从而说明有向网络的方向是不能忽略的，和别的方法相比，基于信息瓶颈的社区发现方法可以很好地处理这个问题。在给出的例子中，pipo，表明节点1-6,13-18更倾向于有边指向1-12，而节点7-12,19-24更倾向于有边指向13-24。对于这样一个有24个顶点的网络，考虑出边，得到的社区是(1-12)，(13-24)；考虑入边特征，得到的社区是(1-6,13-18)，(7-12,19-24)。如果忽略方向性，该网络不具有社区结构。 * 以无权无向图为例，选发现其中的clique，然后在clique的基础之上，进行合并。 好处： 一、clique是连接最紧密的模式，以它为基础可以避免Newman Fast算法的盲目合并。Newman Fast是贪婪合并策略。 二、由于clique之间允许有重叠，合并可以产生层次。因此，可以发现层次化的重叠社区结构。 * 左图是一个示意图，这个图可以分成四个社区，即每个圈一个社区，也可以分成三个社区，即每种颜色一个社区，图的下部节点全是绿色，认为是一个社区。 无论是三个社区，还是四个社区，都损失了一些信息。 最好的结果如右图，首先分成三个，然后，绿色的社区再分成两个。这样一个层次化的重叠社区结构才是最好的结果。 * 词联想网络。 是美国South Florida大学通过调查问卷得到的，调查时，给一个目标词，例如Friday，要求参与者给出一个他认为和这个词最近的词，这样两个词之间就有一条边。 图上给出的是包括day的四个社区，这四个社区从不同的侧面反映了day的语义。 * 图中，用红框标出的是核心成员。 * False Positive：非核心成员，但算法错误地把他判断为核心成员 True Negative：非核心成员，算法正确地把他