钱芸芸，杨文忠，姚 苗，李海磊，柴亚闯

1.新疆大学 信息科学与工程学院，乌鲁木齐830046

2.新疆大学 软件学院，乌鲁木齐830046

现今社会存在许多复杂网络，如社交网络、科技文献合著网络等，都具有明显的社区结构。在社区中人们进行资源共享、兴趣互动以及信息传播，带来数据爆炸式增长，给在复杂网络中挖掘有效信息并针对特定群体应用分析的任务带来了巨大的挑战。为此，有许多主题社区的挖掘方法被提出。Kim等[1]提出了在线社区中用户特征的主题建模方法。Henry等[2]使用贝叶斯模型在动态文本网络中进行社区发现和主题建模。Ye等[3]采用标签传播算法发现社区，然后跟踪主题的演化。黄琳凯[4]关联知识图谱挖掘主题社区。Yang等[5]利用关键图和社区划分检测主题。Jin等[6]在含时间信息的网络上结合模张量检测社区。

目前普遍认为良好的社区结构是同一社区节点链接紧密，不同社区节点链接稀疏。基于此，针对主题社区的挖掘，多基于简单的链接关系和文本信息或在已有社区上挖掘主题，前者忽略了社区内节点成员之间的主题相似性，后者分离了主题与社区的概念，因而挖掘的主题社区质量并不高。此外，真实网络中往往不同社区也可能讨论同一主题，只是两个社区间可能链接稀疏或不存在链接关系因而应被划分成同一主题的不同社区。

针对以上存在问题，本文致力于充分利用节点文本语义信息，将其转化为边权重以划分社区，并使用新的主题计算方法从社区层面语义得到潜在的社区主题。……