针对传统词项之间语义关系抽取难以适用于微博，导致发现微博热点事件不敏感的问题，提出一种基于词项语义共现和社团划分的方法发现热点事件。首先利用热度定义对微博数据进行初次筛选，通过构建共现词项图来模拟词项间的语义相关性，并结合修改的TF-IDF公式计算词项间的语义相关度；借助社区划分和模块度的概念对词项图进行划分，完成词项聚类，进而获得热点事件。实验结果表明，与同类方法相比，该方法的准确率较高，发现的热点事件与实时事件基本保持一致，具有较好的热点识别效果。
2021-11-24 23:58:38
1.37MB
1
复杂网络中Newman提出的GN算法，算法思想删除网络中边介数最大的边从而把网络划分为社团，算法的主要缺点算法的时间复杂度很高
2021-10-13 16:29:14
15.8MB
1
算法来自论文：Fast unfolding of communities in large networks 是一种快速的非重叠的社团划分算法 使用说明，直接调用BGLL函数，参数传入Graph类型的变量就可以得到结果，返回值第一个是所返回的社区结果，第二个是所有节点对应的社区号。
2021-04-07 14:10:39
2KB
1
matlab_networks_routines中的各种代码 总共121个例程，来源于MIT网址，是学习的不错的资料，在处理图的分割和社团划分有很好的作用。代码是按函数进行分类的。
2021-03-17 15:30:02
87KB
1