最大流算法發(fā)現(xiàn)web社團(tuán)改進(jìn)

-.z最大流算法發(fā)現(xiàn)web社團(tuán)改進(jìn)何擁軍龔發(fā)根摘要：提出了一種更好的分配邊容量的方法，即不是給每條邊分配一個(gè)一樣的常量值，而是為不同的邊依據(jù)信息的重要度來(lái)動(dòng)態(tài)的分配不同的邊值，較好的解決最大流算法發(fā)現(xiàn)web社團(tuán)中的主題漂移問(wèn)題。關(guān)鍵詞：web社團(tuán);超;最大流Thema*imal-flowdiscoversthewebmassorganizationalgorithmimprovementAbstract：Proposedsideonekindofbetterassignmentthecapacitymethod,namelyisnotassignsasameconstantvalueforeach,butisesthedynamicassignmentdifferentontheotherhandvaluefordifferentontheonehandbasedontheinformationimportance,thegoodsolutionma*imal-flowalgorithmdiscoversinthewebmassorganizationthesubjectdriftingquestion.1引言Web社團(tuán)是自Internet誕生以來(lái)就客觀存在的一些web群體，一個(gè)web社團(tuán)通常是這樣的一群頁(yè)面的集合：它們?cè)趦?nèi)容上一般都是圍繞*一主題，具有一定的相關(guān)性，或者具有*一相似特性[1]。一般的一個(gè)web社團(tuán)只是整個(gè)互聯(lián)網(wǎng)web圖中的一個(gè)非常小的子圖。如何去發(fā)現(xiàn)互聯(lián)網(wǎng)上這些潛在的web社團(tuán)也是近幾年來(lái)才引起眾多研究者關(guān)注的研究領(lǐng)域。在任一個(gè)圖中邊和節(jié)點(diǎn)都是很重要的元素，同樣在web圖當(dāng)中，代表超的邊也往往包含有一些非常重要的信息，如果能利用圖的理論知識(shí)，通過(guò)web圖來(lái)研究web社團(tuán)將會(huì)有更好的效果，所以很多的研究工作關(guān)注通過(guò)web的超構(gòu)造關(guān)系來(lái)挖掘web社團(tuán)資源[2]。眾多的研究者提出了各種各樣的基于構(gòu)造分析發(fā)現(xiàn)web社團(tuán)的方法。Gibson和Kleinberg等人[3,4]提出了基于分析搜索算法HITS，Kumar等人[5]從二分有向圖的角度對(duì)互聯(lián)網(wǎng)上的社團(tuán)給出了一種明確的定義描述，把web社團(tuán)看作一些二分有向圖的核。Yasuhito[6]等人提出了通過(guò)交互站點(diǎn)的方法。文獻(xiàn)[7][8]最先提出通過(guò)最大流算法來(lái)發(fā)現(xiàn)web社團(tuán)，文獻(xiàn)[9][10]從多方面對(duì)最大流算法進(jìn)展了實(shí)驗(yàn)及評(píng)價(jià)。2相關(guān)研究工作2.1最大流算法與最小割切網(wǎng)絡(luò)中的最大流算法具有廣泛的應(yīng)用，在這首先介紹一下在圖論中對(duì)S-T的最大流問(wèn)題的簡(jiǎn)化定義：給定一個(gè)網(wǎng)絡(luò)流圖，邊的容量為，兩個(gè)節(jié)點(diǎn)，然后找出流經(jīng)源節(jié)點(diǎn)到沉積節(jié)點(diǎn)最大流量。直觀理解，假設(shè)邊為管道，節(jié)點(diǎn)為開(kāi)關(guān)，則最大流問(wèn)題就是如何讓源節(jié)點(diǎn)S到沉積節(jié)點(diǎn)T能流過(guò)的流量最大。Ford和Fulkerson[11]已經(jīng)證明了“最大流-最小割切〞理論，即網(wǎng)絡(luò)流中最大流等于把到沉積節(jié)點(diǎn)別離的最小割切容量，等式如下：〔1〕其中為網(wǎng)絡(luò)流，為給切，假設(shè)，其中為一個(gè)子集，，給定，則邊集就叫做S-T的一個(gè)割切，包含在割切中的邊叫做割邊，最小割切即滿足割邊的容量和為所有割邊中最小的一個(gè)割切。2.2web社團(tuán)這里引用文獻(xiàn)[9][10]里定義web社團(tuán)為：設(shè)為*些節(jié)點(diǎn)的集合，一個(gè)web社團(tuán)是其中的一個(gè)子集，滿足條件：對(duì)任何節(jié)點(diǎn)，與屬于當(dāng)中節(jié)點(diǎn)之間連接的邊數(shù)大于它和以外節(jié)點(diǎn)之間連接的邊數(shù)，即，如圖1所示圖1web社團(tuán)3最大流算法的特點(diǎn)及存在的問(wèn)題最大流算法應(yīng)用到web構(gòu)造中抽取社團(tuán)的思想最先是由G.Flake等人提出的，在文獻(xiàn)[9][10]里面G.Flake等人通過(guò)實(shí)驗(yàn)證明了最大流算法對(duì)于解決HITS算法在社團(tuán)抽取當(dāng)中存在的主題漂移問(wèn)題有較好的效果。下面重點(diǎn)探討該算法同時(shí)所存在的一些問(wèn)題并提出自己的解決方案。3.1社團(tuán)體積與邊的關(guān)系G.Flake等人在文獻(xiàn)[9][10]里對(duì)邊的容量與社團(tuán)體積之間的關(guān)系進(jìn)展了深入的研究，如以下圖所示。圖的橫坐標(biāo)表示邊容量的增加，縱坐標(biāo)表示隨之所獲得的社團(tuán)體積?？梢钥闯?，隨著邊的容量的增加，社團(tuán)的體積也顯著加大，但這種變化是離散的，即分階段上升，而且不同階段的跳躍長(zhǎng)度并不相等。從以下圖來(lái)看，當(dāng)邊的容量從9到10，14到15，20到21這幾個(gè)階段每一次跳躍后，社團(tuán)的體積都急劇變大，社團(tuán)變化相應(yīng)的值為9到36，36到50，50到630。明顯看出邊的容量在20到21這個(gè)跳躍點(diǎn)社團(tuán)的體積增加最迅速。圖2邊的容量與社團(tuán)體積的關(guān)系3.2G.Flake算法存在的問(wèn)題及改進(jìn)算法的提出如前面所說(shuō)，邊的容量對(duì)社團(tuán)的體積會(huì)產(chǎn)生很大的影響，不僅僅在數(shù)量上，而且還會(huì)影響到社團(tuán)成員的質(zhì)量。G.Flake最先提出把最大流算法用來(lái)抽取web社團(tuán)，在文獻(xiàn)[9][10]里采用分配給各邊一個(gè)一樣的容量值，雖然可以較好的解HITS算法存在的主題漂移問(wèn)題，但對(duì)社團(tuán)的質(zhì)量和數(shù)量也會(huì)帶來(lái)許多不利的影響，而且隨著web圖節(jié)點(diǎn)的增加，噪音頁(yè)面相應(yīng)也會(huì)增加，僅僅通過(guò)增加邊的容量并不能很好的解決這些問(wèn)題，在很多情況下邊的容量提升得越大，主題漂移的問(wèn)題就會(huì)越易顯現(xiàn)出來(lái)。其主要的原因就是沒(méi)有考慮到每條邊的不同重要程度，把所有的邊一視**，表達(dá)不出不同邊的價(jià)值度對(duì)形成社團(tuán)的影響。為了更好的解決這些問(wèn)題，本文提出了一種更好的分配邊的容量的方法，即不是給每條邊分配一個(gè)一樣的常量值，而是依據(jù)信息的重要度為不同的邊分配不同的邊值。4改進(jìn)的最大流算法正如上節(jié)所說(shuō)，一個(gè)理想的方法就是;重要的邊分配給一個(gè)更大的容量，不重要的邊分配給一個(gè)較小容量。則關(guān)鍵的問(wèn)題是如何定義一個(gè)重要邊和不重要邊，以及如何給不同重要程度的邊分配不同邊的容量，這就等于給邊定義一個(gè)等級(jí)或者分值一樣，所以必須把它對(duì)頁(yè)面的價(jià)值分布轉(zhuǎn)化到邊的價(jià)值分布上來(lái)。在web超分析里，PageRank算法和HITS算法是用來(lái)計(jì)算頁(yè)面分值和權(quán)威性的最典型的兩個(gè)算法[1]，HITS算法是個(gè)不斷反復(fù)迭代的過(guò)程，迭代到一定次數(shù)就會(huì)很快收斂。因?yàn)镠ITS算法最終的計(jì)算結(jié)果是得到每個(gè)頁(yè)面的權(quán)威和HUB分值，在web圖中，邊所連接的兩個(gè)節(jié)點(diǎn)所對(duì)應(yīng)的web頁(yè)面都有它們的權(quán)威和HUB分值，自然可以認(rèn)為重要的邊所連接的應(yīng)該是分值比較大的節(jié)點(diǎn)，依據(jù)這個(gè)思想來(lái)進(jìn)展邊容量分配，這就是本文算法的主要思想。4.1邊容量分配方法首先重新定義一個(gè)可變HUB分值和Authority分值變量如下：，〔2〕在HITS算法里得到的HUB和權(quán)威分值都是在這個(gè)*圍，不適合作為邊的容量，因?yàn)樽畲罅魉惴ɡ镞吶萘勘仨毷且粋€(gè)正整數(shù)，所以通過(guò)設(shè)定一個(gè)常量系數(shù)來(lái)得到分值的另外一種形式，這里的取值一般是基于整個(gè)鄰接圖的平均連接數(shù)，在本文后面的實(shí)驗(yàn)里設(shè)置=100。用來(lái)表示任一節(jié)點(diǎn)到子節(jié)點(diǎn)的距離，例如假設(shè)經(jīng)過(guò)兩條不重復(fù)的邊可以到達(dá)子節(jié)點(diǎn)，則=2，接下來(lái)我們定義邊的容量為下面兩種形式：〔3〕〔4〕以上公式所得到的邊的容量是一個(gè)動(dòng)態(tài)的變量，不同邊的容量由它所連接的節(jié)點(diǎn)和所代表的頁(yè)面分值和來(lái)決定，應(yīng)用該方法的效果我們?cè)诤竺嬖儆懻?。下面我們給出基于以上邊容量分配方法的最大流算法抽取社團(tuán)的詳細(xì)步驟。4.2改進(jìn)的最大流算法下面給出基于HITS算法邊容量分配的最大流發(fā)現(xiàn)社團(tuán)的詳細(xì)步驟：Input:子節(jié)點(diǎn)集合Output:;(圍繞每一個(gè)子節(jié)點(diǎn)，以深度2抽取一個(gè)web子圖)計(jì)算HUB和權(quán)威分值向量和按照前面的介紹的方法構(gòu)建鄰接圖應(yīng)用前面公式〔2〕設(shè)置邊的容量，，如果，則添加到，并設(shè)置邊的容量。執(zhí)行的最大流算法。獲得一個(gè)節(jié)點(diǎn)集合，其中每個(gè)節(jié)點(diǎn)要求和子節(jié)點(diǎn)連通，并對(duì)每一個(gè)節(jié)點(diǎn)都進(jìn)展分值計(jì)算〔在后面會(huì)介紹分值計(jì)算方法〕根據(jù)計(jì)算的分值排序，把前面一些分值最高的非子節(jié)點(diǎn)添加到子節(jié)點(diǎn)集合當(dāng)中。反復(fù)執(zhí)行步驟1到8直到中的節(jié)點(diǎn)趨于一個(gè)穩(wěn)定的社團(tuán)為止。按分值大小的順序輸出中社團(tuán)的節(jié)點(diǎn)從實(shí)驗(yàn)來(lái)看，中的節(jié)點(diǎn)通常很快就會(huì)趨于穩(wěn)定，因?yàn)殡m然子節(jié)點(diǎn)集合會(huì)不斷擴(kuò)展，但整個(gè)鄰接圖卻一般不會(huì)加大，即使擴(kuò)展也不會(huì)擴(kuò)展太大。本文采取了和文獻(xiàn)[7][8]里不同方法給中的成員節(jié)點(diǎn)計(jì)算分值。設(shè)表示從其它社團(tuán)節(jié)點(diǎn)到它的入數(shù)，表示它的出數(shù)。用來(lái)表示節(jié)點(diǎn)的分值，則我們計(jì)算分值的公式如下：〔4〕在文獻(xiàn)[7]中計(jì)算分值僅僅以每個(gè)節(jié)點(diǎn)的數(shù)為依據(jù)，因?yàn)橛行┡旁谇懊娣种递^高的節(jié)點(diǎn)會(huì)有一樣的數(shù)。但它們的權(quán)威和HUB分值也許并不一樣，所以僅僅以數(shù)來(lái)選擇最高分值的節(jié)點(diǎn)參加到子節(jié)點(diǎn)當(dāng)中去是不太好的。本文把每個(gè)節(jié)點(diǎn)的權(quán)威分值和HUB分值也考慮進(jìn)去了，所以防止了這種情況。5試驗(yàn)及其評(píng)價(jià)5.1試驗(yàn)數(shù)據(jù)的收集與清理數(shù)據(jù)集：由于web挖掘需要的數(shù)據(jù)集往往非常龐大，web社團(tuán)的挖掘需要更大數(shù)據(jù)資源才能表達(dá)算法的性能和優(yōu)越性，為了測(cè)試算法的效果和驗(yàn)證它的有效性，對(duì)不同的查詢主題和不同數(shù)據(jù)集分別進(jìn)展了實(shí)驗(yàn)，數(shù)據(jù)量接近5G。種子節(jié)點(diǎn)集：一般每個(gè)社團(tuán)都有一個(gè)明確的主題，所以在抽取社團(tuán)前需要給定一個(gè)比較接近主題的URL頁(yè)面作為子節(jié)點(diǎn)，為了更有代表性的說(shuō)明問(wèn)題，本文分別選擇了20個(gè)互不一樣的主題頁(yè)面作為子節(jié)點(diǎn)，前十個(gè)選擇了以英文為關(guān)鍵字的查詢主題，后十個(gè)選擇了中文為關(guān)鍵字的查詢主題，每一個(gè)主題都具有明確的意義。表1中列出了各個(gè)子節(jié)點(diǎn)及其詳細(xì)的說(shuō)明數(shù)據(jù)清理：數(shù)據(jù)清理是為了更好的進(jìn)展數(shù)據(jù)挖掘以獲得高質(zhì)量的挖掘結(jié)果而做的準(zhǔn)備工作。算法在實(shí)驗(yàn)之前對(duì)獲得的粗燥數(shù)據(jù)集進(jìn)展了必要的數(shù)據(jù)清理，數(shù)據(jù)清理后我們就可以得到一個(gè)比較合理的鄰接web圖。在數(shù)據(jù)清理過(guò)程中主要做了一下幾個(gè)工：1首先排除了那些入或者出數(shù)超過(guò)了500以上的web頁(yè)面，因?yàn)檫@樣的一些頁(yè)面往往是非常知名的一些站點(diǎn)頁(yè)面，像,Google,等，這些站點(diǎn)頁(yè)面根本就不需要用戶使用什么挖掘策略去獲得的。2去除那些RUL里包含有關(guān)鍵詞%，.，bbs，cgi-bin,diary,news等的頁(yè)面，因?yàn)檫@樣的一些頁(yè)面往往和用戶要找的主題無(wú)關(guān)。還會(huì)產(chǎn)生更多的主題漂移問(wèn)題。3去除鏡像頁(yè)面，所謂的鏡像頁(yè)面是指與主的內(nèi)容一樣的其它位置的頁(yè)面就叫做鏡像頁(yè)面，太多的鏡像頁(yè)面只會(huì)重復(fù)同一個(gè)頁(yè)面內(nèi)容，擾亂用戶的視野，所以要盡可能事先去除。5.2實(shí)驗(yàn)及性能評(píng)價(jià)為了更好的說(shuō)明改進(jìn)方法的效果，本文對(duì)兩種方法的實(shí)驗(yàn)結(jié)果進(jìn)展了多方面的比較和分析。在下面的數(shù)據(jù)分析當(dāng)中分別用C1和C2表示兩種最大流算法所獲得的社團(tuán)，C1表示本文改進(jìn)算法的結(jié)果，C2是Flake等人方法的結(jié)果。表1顯示了針對(duì)于每個(gè)子節(jié)點(diǎn)所獲得的web社團(tuán)的大致情況，包括子節(jié)點(diǎn)，主題，web鄰接圖的節(jié)點(diǎn)數(shù)以及兩種方法所獲得的社團(tuán)成員數(shù)。其中|V|,|C1|,|C2|分別表示web鄰接圖的節(jié)點(diǎn)數(shù)，改進(jìn)算法獲得的社團(tuán)成員數(shù)及原算法獲得社團(tuán)成員數(shù)。C2一豎排的第11，12，17個(gè)主題上面都標(biāo)有一個(gè)“*〞表示在這種情況下所獲得的社團(tuán)體積都是不合理的失敗情況。如表所示，改進(jìn)算法所獲得的社團(tuán)C1在總體上要明顯好于原來(lái)的算法結(jié)果，原來(lái)的算法雖然在*些情況下確實(shí)獲得了比較好的結(jié)果，但在另外一些情況下卻產(chǎn)生了非常壞的結(jié)果，比方在主題3，13，15，17這幾個(gè)情況下，雖然我們使用了多種固定邊容量進(jìn)展了實(shí)驗(yàn)，但所獲得的結(jié)果還是不則理想。對(duì)兩種方法我們分別觀察了前10個(gè)和主題相關(guān)的最權(quán)威頁(yè)面情況，在以下圖3示意了結(jié)果大致情況，由圖所示可以看出C1和C2中平均的相關(guān)頁(yè)面數(shù)分別大約為6.25〔*圍分布大約從3到10〕和4.30〔*圍分布大約從1到7〕，C1的效果明顯好于C2。同時(shí)可以看出，在所選的20個(gè)主題中有14個(gè)情況C1比C2要好，4個(gè)情況是一樣的水平，只有2個(gè)情況是C1比C2差的。而且大多數(shù)包括在C2中的相關(guān)頁(yè)面也都包括在C1中了。表2詳細(xì)列舉了關(guān)于主題1社團(tuán)的前10個(gè)成員URL的具體情況，右邊的“+〞和“-〞分別用來(lái)表示該頁(yè)面和主題的相關(guān)與不相關(guān)性。種子頁(yè)面1是關(guān)于JAVA方面的內(nèi)容，表C1中所有的URL頁(yè)面都是和主題“JAVA〞要求非常接近的一些頁(yè)面，而在C2中除了種子頁(yè)面以外和主題接近的頁(yè)面數(shù)一共只有3個(gè)，雖然它們有些也是關(guān)于JAVA的討論內(nèi)容，但往往不是和用戶最關(guān)心的JAVA開(kāi)發(fā)，JAVA軟件，JAVA技術(shù)等方面內(nèi)容，比方“〞這個(gè)成員，而且仔細(xì)觀察就會(huì)發(fā)現(xiàn)：C1中的成員頁(yè)面的HUB分值都高于C2中的HUB分值，也即它們之間的相互數(shù)大于C2中成員之間的相互數(shù)。表3詳細(xì)列舉了關(guān)于主題11的前10成員URL的具體情況，這是一個(gè)關(guān)于“**〞主題的社團(tuán)情況，如表所示，C1中雖然出現(xiàn)了一個(gè)不太理想的成員，且C2中和主體相關(guān)的成員數(shù)也明顯增加了，但總體上來(lái)看，C1比C2中的效果還是要好。圖3每一主題分值最前的10個(gè)頁(yè)面中和主題相關(guān)的社團(tuán)成員分布情況。其中下面橫排對(duì)應(yīng)的是20個(gè)主題，C1，C2所對(duì)應(yīng)的兩種方法的平均社團(tuán)成員頁(yè)面數(shù)分別為6.05和4.20表1。種子節(jié)點(diǎn)、社團(tuán)主題、鄰接圖體積及兩種方法發(fā)現(xiàn)的社團(tuán)相關(guān)情況結(jié)點(diǎn)編號(hào)種子節(jié)點(diǎn)URL主題|V||C||C2|1java.sun./JAVA88219182./*ML/*ML89815103.kdnuggets./Dataming727194*4.puterworld./puter667514125.coffeereview./Coffe45317136.weddingmanor./Wedding102347207walking.about./Walking104358138.kraftfoods./Foods297814189Starsand/Animalprotection1125311111health.people../**1420281212.yiliao../醫(yī)療2546421513travel.china./zh_/旅游857186*14.qiche../汽車3542421915.westudyenglish./英語(yǔ)學(xué)習(xí)795178*16military.china./zh_/世界軍事2456331417.ce./中國(guó)經(jīng)濟(jì)1045112*18../english/inde*.htm中國(guó)政治2046251719./考研1256191520.eol./教育20342411表2關(guān)于主題“ＪＡＶＡ〞：java.sun./的試驗(yàn)比照C1C21java.sun./+java.sun./+2.java-./+.javascript./+3ernet./+./~hall/java/-4.javaworld./+./+5./+-6.developer./java/+./javafaq/javatutorial.html-7.anfyteam./java/+.adtmag./-8.microsoft./mscorp/java/+webdeveloper.earthweb./webjs/-9.apple./macos*/features/java/+-10./+java.about./+表3第11個(gè)主題：**C1C21health.people../+.healthonline..tw/+2health.sohu./+./-3.jkb../+.jk99./-4health.china./+.*inhuanet./health/-5.medboo./+.people../GB/paper503/+6.fm120./-health.qianlong./+7health.eastday./+.tcmtoday./healthlib/-8.365jk./+.uhealthy./chinese/+9.cctv./health/inde*.shtml+./+10health.enorth../+./e21web/-6小結(jié)Web社團(tuán)是一種很自然的網(wǎng)絡(luò)群體，也是一種很重要的網(wǎng)絡(luò)資源，目前所有發(fā)現(xiàn)web社團(tuán)的方法都是基于構(gòu)造和web圖模型的思想，其中Fake等人提出的最大流算法是一種比較好的方法，相對(duì)于HITS算法中存在的嚴(yán)重主題漂移問(wèn)題有很大的改善，但由于采取的是固定邊容量的分配方法，對(duì)社團(tuán)的數(shù)量和質(zhì)量還是會(huì)產(chǎn)生諸多問(wèn)題。在這里，本文為發(fā)現(xiàn)網(wǎng)絡(luò)社團(tuán)的最大流算法提出了一種改進(jìn)方法。特別，提出了一個(gè)比較好的動(dòng)態(tài)分配邊容量的改進(jìn)最大流算法。為了驗(yàn)證改進(jìn)算法的效果，對(duì)算法進(jìn)展了實(shí)驗(yàn)比照，并列舉了實(shí)驗(yàn)結(jié)果里每個(gè)網(wǎng)絡(luò)社團(tuán)排名最前的10個(gè)節(jié)點(diǎn)，通過(guò)大量的試驗(yàn)數(shù)據(jù)比照，顯示了改進(jìn)算法取得了較好的效果。當(dāng)然對(duì)web社團(tuán)發(fā)現(xiàn)研究還只是初步的開(kāi)場(chǎng)，更多的工作需進(jìn)一步努力和改進(jìn)，我們下一步的工作就是期望能開(kāi)發(fā)一個(gè)在線標(biāo)準(zhǔn)系統(tǒng)，能夠根據(jù)參數(shù)的設(shè)置自動(dòng)發(fā)現(xiàn)更多更好的web社團(tuán)。參考文獻(xiàn)[1]王曉宇，周傲英.萬(wàn)維網(wǎng)的構(gòu)造分析及應(yīng)用綜述[J].軟件學(xué)報(bào)，2003:14〔10〕[2]KumarR,RaghavanP,RajagopalanS,SivakumarD,TomkinsA,UpfalE.TheWebasagraph.In:SergeA,ed.Proceedingsofthe18thACMSIGACT-SIGMOD-SIGARTSymposiumonPrinciplesofDatabaseSystems.Pennsylvania:ACMPress,1999.109~118.[3]KleinbergJ.Authoritativesourcesinahyperlinkedenvironment.In:TarjanRE,etal.,eds.Proceedingsofthe9thACM-SIAMSymposiumonDiscreteAlgorithms.NewOrleans:ACMPress,1997.668~677.[4]GibsonD,KleinbergJ,RaghavanP.InferringWebmunitiesfromlinktopology.In:Proceedingsofthe9thACMConferenceonHyperte*tandHypermedia.Pittsburgh:ACMPress,1998.225~234.[5]P.KrishnaReddy,MasaruKitsuregawa.BuildingamunityhierarchyfortheWebbasedonbipartitegraphs.2002.3[6]YasuhitoAsano,HiroshiImai,MasashiToyoda,andMasaruKitsuregawa.FindingNeighbormunitiesintheWebusinganInter-siteGraph..Proceedingsofthe14thInternationalConferenceonDatabaseandE*pertSystemsApplications(DE*A2003),2003.9[7]G.Flake,S.Lawrence,andC.L.Giles.Efficientidentificationofwebmunities.In6thACMSIGKDDInternationalConferenceonKnowledgeDiscovery