在社会网络中,根据已有的连接关系和文本信息发掘社会网络中的社团不但可以将相似的用户划分在一个社团,还可以用来预测网络中潜在的连接关系。为了提高社会网络中社团发现的性能,提出了一种基于LDA的结构—内容联合社团发现模型。首先,对社会网络的图论描述进行转换,使其适用于LDA模型;其次,对LDA模型描述进行扩充,使其包含了用户间交互的文本信息;最后,通过Gibbs采样方法对模型的参数进行估计。实验表明,提出的社团发现模型与其他相关方法相比较,社团发现得到的社团不仅用户间连接的紧密度和用户共享兴趣爱好的强度高,而且可以更好地用于社会网络中潜在连接的预测。
