基于链接内容的社区发现算法（二）

Robust Detection of Link Communities in Large Social Network by Exploiting Link Semantics

三、试验

1.数据集

我们选择了两个数据集，包括美国安然能源公司内部的邮件内容（安然公司丑闻，加州能源危机）和Reddit新闻网站三天的的三个论坛的内容。如果用户A对用户B的帖子进行评论，就产生了一条从A到B的链接，链接内容为评论的内容。

那么如何判断我们社区发现的结果是正确的呢？
对于第一个数据集，伯克利大学的学生已经将这些用户节点分成了11个用户社区，我们可以直接将社区发现的结果与这十一个社区比对。对于第二个数据集，我们可以直接将发现的社区和三个论坛内容相比较。

2.对比的方法

我们采取了8种最先进的社区发现算法，包括利用拓扑结构的、利用结点内容的、利用链接内容的、可重叠的、不可重叠的（可重叠的意思就是可以将一个用户结点放进多个社区里）等，如图：

3.测评参数

F-score和Jaccard similarity，用于测评相似度的两个参数，结果两个参数越大，说明社区发现的结果越好。

4.结果

5.个例研究

我们选择了Reddit网站2012年8月27号的数据集进行分析，与我们的方法对比的是SCI

SCI方法的结果如下：

我们的方法：

我们的方法还有一个好处，就是可以通过fai和Y找到社区的词云：

我们方法的应用建议：

四、结论

这是文章的标题，下面我们对标题的关键词进行讨论和总结。
Robust:健壮性。在传统的方法中，当网络拓朴和话题群聚不重合的时候，方法的效率就会变得很低，而我们的方法将网络拓朴和话题群聚分开来讨论，具有一定的健壮性。

Detection of Link Communities：本论文的主要内容——社区发现。

Exploiting Link Semantics: 基于链接语义。