Multi-view community detection with heterogeneous information from social media data

از زمان آغاز آنها، شبکه های اجتماعی بر نحوه ارتباط و برقراری ارتباط با یکدیگر تاثیر گذاشته اند. استفاده مداوم و استفاده فراگیر از رسانه های اجتماعی فرصت های تحقیق جالبی را برای تحلیل رفتار و تعاملات کاربران ارائه می دهد. امروزه تعاملات نه تنها به روابط اجتماعی محدود می شود، بلکه به فعالیت های خواندن و نوشتن محدود می شود. بنابراین، منابع اطلاعاتی متعدد و مکمل برای توصیف کاربر و فعالیت آنها در دسترس هستند. یک وظیفه که می تواند از ادغام این منابع متعدد بهره مند شود، تشخیص جامعه است. با این حال، اکثر تکنیک ها تأثیر اطلاعات جمع آوری شده را نادیده می گیرند و همچنان تنها بر یک جنبه تمرکز می کنند: ساختار توپولوژیکی شبکه ها. این مقاله بر چگونگی ادغام اطلاعات اجتماعی و محتوایی مبتنی بر شبکه های اجتماعی برای بهبود کیفیت جوامع شناسایی تمرکز دارد. یک روش برای ادغام منابع اطلاعات چندگانه و معنایی که توسط روابط نامتقارن منتقل می شود، ارائه شده و به طور گسترده در دو مجموعه داده های دنیای واقعی ارزیابی می شود. ارزیابی تجربی اثرات متفاوتی را که هر منبع اطلاعاتی بر کیفیت جوامع شناسایی شده تأیید می کند، تأیید می کند و برخی از نکاتی را در مورد چگونگی بهبود کیفیت آن با ترکیب اطلاعات اجتماعی و محتوایی تأیید می کند.