摘要：尽管用户可自主生成个性化数据以更全面描述个人偏好，但由于用户创建数据不严谨、不可控，导致生成的庞大数据集大多存在质虽低、噪声严重的缺陷．因此管理复杂网络信息时，不能仅使用写入性知识，必须重视具有大量领域知识的专家，因为其可为系统提供高质量的信息．本文通过构建和分析用户兴趣分布曲线以发现兴趣领域专家，并提出甄别状态不正常的伪专家算法．由于网络中权威专家数量较少，所以所提供的信息是有限的．因此本文定义的领域专家不仅包含权威专家，而且包含普通用户中对某领域有极高关注的兴趣领域专家．实验证明算法的正确性和高效性，并且较低的复杂度使其可处理海量用户节点信息．

关键词：专家发现 兴趣分析 兴趣图谱 复杂网络分析 

单位：吉林大学计算科学与技术学院 吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室 吉林长春130012