基于协同过滤的Web服务动态社区发现算法(2)

　　2基于中心节点的重叠社区动态挖掘

　　本章以用户社会网络中连接节点最多的中心节点为起始网络社区，以社区贡献度为衡量指标考察中心节点的连接节点，通过不断地比较、增添、扩大和更新形成多个全局贡献度饱和的社区，使用重叠度计算将相似度高的社区进行合并，以此来减少社区覆盖率，精确用户分组情况，从而实现对用户社会网络的社区分类和发现不同用户社区之间的不同特点。该重叠社区挖掘主要经历社区挖掘阶段和重叠社区调整阶段。

　　3基于节点相似性的动态社区发现算法

　　由于网络中的节点会随着时间的变化而变化，这就导致了包括社区结构在内的网络结构的动态演化。本章在前面挖掘得到的若干个用户社区的基础上，提出基于节点相似性的动态社区发现算法，从而获得与目标用户位于同一个社区且相关性高的用户组。

　　取前三分之一个数值所对应的用户分别为：f、h、e和a，因此这四个用户便集合起来形成了候选的推荐用户小组。然后通过对目标用户d需求的Web服务资源和供应商提供的Web服务资源的功能属性之间进行概念匹配、结构匹配和文本匹配，以及对两者QoS文本型和数值型属性的匹配，以用户d的风险态度、印象值以及Web服务供应商的声誉情况为三大影响用户兴趣度的推荐因素进行匹配计算，得到的Web服务推荐结果，将被社区化推荐给这些候选用户小组。

　　5结语

　　本文考虑到现实社会网络中重叠社区的存在情况，在传统社区聚类算法上利用社区中节点的动态性结构对社区挖掘结果进行精确化处理，提出了基于节点相似性的动态社区发现算法。与其他社区发现算法相比，本文提出的社区发现算法从用户兴趣相似性和用户社会网络的角度出发，提高了社区挖掘的精确度。

　　参考文献：

　　[1]PALLAG，DERENYII，FARKASI.Uncoveringtheoverlappingcommunitystructuresofcomplexnetworksinnatureandsociety[J].Nature，2005，435（7043）：814-818.

　　[2]LANCICHINETTIA，FORTUNATOS，KERTESZJ.Detectingtheoverlappingandhierarchicalcommunitystructureincomplexnetworks[J].NewJournalofPhysics，2009，11（3）：033015.

　　[3]JIND，YANGB，BAQUEROC.AMarkovrandomwalkunderconstraintfordiscoveringoverlappingcommunitiesincomplexnetworks[J].JournalofStatisticalMechanics：TheoryandExperiment，2011：P05031.

　　[4]施伟，傅鹤岗，张程.基于连边相似度的重叠社区发现算法研究[J].计算机应用研究，2013，30（1）：221-223.

　　[5]王刚，钟国祥.基于信息熵的社区发现算法研究[J].计算机科学，2011，38（2）：238-240.

　　[6]LEEC，REIDF，MCDAIDA.Detectinghighlyoverlappingcommunitystructurebygreedycliqueexpansion[C]//Proceedingsofthe4thInternationalWorkshoponSocialNetworkMiningandAnalysis.NewYork：ACM，2010：33-42.

　　[7]王松，徐德华.基于产品分类的协同过滤算法应用研究[J].计算机应用与软件，2012，29（4）：183-185，191.

　　[8]余肖生，孙珊.基于网络用户信息行为的个性化推荐模型[J].重庆理工大学学报：自然科学版，2013，27（1）：47-50.

　　[9]ZHENGZB，MAH，LYUMR，etal.QoSawareWebservicerecommendationbycollaborativefiltering[J].IEEETransactionsonServicesComputing，2011，4（2）：140-152.

　　[10]WUJ，CHENL，FENGYP，etal.Predictingqualityofserviceforselectionbyneighborhoodbasedcollaborativefiltering[J].IEEETransactionsonSystems，Man，andCybernetics：Systems，2013，43（2）：428-439.

　　[11]LIUQ，CHENEH，XIONGH，etal.Enhancingcollaborativefilteringbyuserinterestexpansionviapersonalizedranking[J].IEEETransactionsonSystems，Man，andCybernetics—PartB：Cybernetics，2012，42（1）：218-232.

　　[12]KWONHJ，HONGKS.PersonalizedsmartTVprogramrecommenderbasedoncollaborativefilteringandanovelsimilaritymethod[J].IEEETransactionsonConsumerElectronics，2011，57（3）：1416-1423.

　　[13]LIMSL，FINKELSTEINA.StakeRare：usingsocialnetworksandcollaborativefilteringforlargescalerequirementselicitation[J].IEEETransactionsonSoftwareEngineering，2012，38（3）：707-735.

　　[14]PHAMMC，CAOYW，KLAMMAR.Aclusteringapproachforcollaborativefilteringrecommendationusingsocialnetworkanalysis[J].JournalofUniversalComputerScience，2011，17（4）：583-604.

　　[15]马兴福，王红.一种新的重叠社区发现算法[J].计算机应用研究，2012，29（3）：844-846.

　　[16]陈琼，李辉辉，肖南峰.基于节点动态属性相似性的社会网络社区推荐算法[J].计算机应用，2010，30（5）：1268-1272.