本文選題：高影響力傳播者 + k-shell分解�。� 參考：《計算機研究與發(fā)展》2017年02期

【摘要】：在社交網(wǎng)絡(luò)中,挖掘高影響力的信息傳播者,對微博服務(wù)中內(nèi)容的流行度分析和預(yù)測是非常有價值的任務(wù).與眾多相關(guān)方法相比,k-shell分解(k-core)方法因其簡潔高效、平均性能好的特點吸引了越來越多的研究人員的興趣.但是,目前k-shell方法著重考慮節(jié)點在網(wǎng)絡(luò)中的位置因素,而忽略了話題在信息傳播中的影響.因此,為了利用用戶歷史數(shù)據(jù)中蘊含的話題對消息的傳播概率進行細粒度的建模,提出了一種話題敏感的k-shell(topic-sensitive k-shell,tsk-shell)分解算法.在真實Twitter數(shù)據(jù)集上實驗表明,在發(fā)現(xiàn)top k高影響力傳播者任務(wù)中,tsk-shell比k-shell的性能平均提高了約40%,證明了tsk-shell算法的有效性.
[Abstract]:In social networks, it is a valuable task to excavate the highly influential information disseminators and to analyze and predict the popularity of the content in Weibo's service. Compared with many related methods, the k-shell decomposition method has attracted more and more researchers' interest because of its simplicity, efficiency and good average performance. However, at present, the k-shell method focuses on the location of nodes in the network, and neglects the influence of topic in information dissemination. Therefore, in order to model the propagation probability of messages by using the topics contained in user history data, a topic-sensitive k-shell(topic-sensitive k-shelltsk-shell decomposition algorithm is proposed. Experiments on real Twitter datasets show that the performance of tsk-shell is about 40% higher than that of k-shell in the task of finding top k high influence communicator, which proves the effectiveness of tsk-shell algorithm.
【作者單位】： 中國科學(xué)院網(wǎng)絡(luò)數(shù)據(jù)科學(xué)與技術(shù)重點實驗室(中國科學(xué)院計算技術(shù)研究所);中國科學(xué)院大學(xué);國家計算機網(wǎng)絡(luò)與信息安全管理中心;
【基金】：國家“九七三”重點基礎(chǔ)研究發(fā)展計劃基金項目(2012CB316303,2014CB340401) 國家“八六三”高技術(shù)研究發(fā)展計劃基金項目(2015AA015803,2014AA015204) 中國科學(xué)院重點部署項目(KGZD-EW-T03-2) 國家自然科學(xué)基金項目(61232010,61572473,61303156,61502447) 國家242信息安全計劃基金項目(2015F028) 山東省自主創(chuàng)新及成果轉(zhuǎn)化專項(2014CGZH1103) 歐盟第七科技框架計劃項目(FP7)(PIRSES-GA-2012-318939)~~
【分類號】：TP393.09

【參考文獻】

相關(guān)期刊論文 前1條

1 吳信東;李毅;李磊;;在線社交網(wǎng)絡(luò)影響力分析[J];計算機學(xué)報;2014年04期

【共引文獻】

相關(guān)期刊論文 前10條

1 李航;閆慶祥;殷守林;趙楚;;一種新型在線社交網(wǎng)絡(luò)協(xié)作訪問控制機制[J];微型機與應(yīng)用;2017年02期

2 胡旭;王雪珊;;成本約束下影響力最大化問題研究[J];甘肅科學(xué)學(xué)報;2016年06期

3 鄭璐;鄭永利;潘玉琪;;檔案展覽對檔案工作影響力提升的策略拓展——與社交媒體合作角度[J];蘭臺世界;2016年24期

4 李澤鵬;左楊;王宏宇;;基于社交網(wǎng)絡(luò)結(jié)構(gòu)的節(jié)點影響力度量方法[J];電子學(xué)報;2016年12期

5 楊飛;;微博對大學(xué)生思想的負面影響及對策研究[J];時代教育;2016年23期

6 宋華;胡芳;;基于模糊線性加權(quán)的公安微博影響力評價研究[J];電腦知識與技術(shù);2016年33期

7 彭川;李元香;;在線社交網(wǎng)絡(luò)信息傳播問題研究綜述[J];計算機與數(shù)字工程;2016年11期

8 張璇;;基于社會性軟件的網(wǎng)絡(luò)教研平臺設(shè)計與研究[J];中國電化教育;2016年11期

9 李春英;湯庸;賀超波;湯志康;黃泳航;;在線社交網(wǎng)絡(luò)用戶分析研究綜述[J];華南師范大學(xué)學(xué)報(自然科學(xué)版);2016年05期

10 徐文濤;劉鋒;朱二周;;基于MapReduce的新型微博用戶影響力排名算法研究[J];計算機科學(xué);2016年09期

【二級參考文獻】

相關(guān)期刊論文 前3條

1 WANG Yue;HUANG WeiJing;ZONG Lang;WANG TengJiao;YANG DongQing;;Influence maximization with limit cost in social network[J];Science China(Information Sciences);2013年07期

2 樊興華;趙靜;方濱興;李欲曉;;影響力擴散概率模型及其用于意見領(lǐng)袖發(fā)現(xiàn)研究[J];計算機學(xué)報;2013年02期

3 田家堂;王軼彤;馮小軍;;一種新型的社會網(wǎng)絡(luò)影響最大化算法[J];計算機學(xué)報;2011年10期

，

本文編號：1864816