本文選題：話題影響力個(gè)體 + 社會網(wǎng)絡(luò)　； 參考：《計(jì)算機(jī)研究與發(fā)展》2013年10期

【摘要】：微博服務(wù)每天產(chǎn)生大量涉及多個(gè)話題的信息,不同用戶參與話題的討論、傳播等表現(xiàn)出不同的影響力.為了全面度量微博中用戶在話題層次上的影響力,綜合考慮4種網(wǎng)絡(luò)關(guān)系:轉(zhuǎn)發(fā)關(guān)系、回復(fù)關(guān)系、復(fù)制關(guān)系、閱讀關(guān)系.針對復(fù)制關(guān)系和閱讀關(guān)系的不確定性,給出了網(wǎng)絡(luò)內(nèi)部轉(zhuǎn)移概率計(jì)算方法;針對多關(guān)系網(wǎng)絡(luò),提出了基于多關(guān)系網(wǎng)絡(luò)的隨機(jī)游走模型MultiRank,分別考慮了網(wǎng)絡(luò)內(nèi)部的轉(zhuǎn)移概率和不同網(wǎng)絡(luò)之間的跳轉(zhuǎn)概率.最后將影響力個(gè)體根據(jù)其影響力屬性分為"多話題層次影響力個(gè)體"和"單話題層次影響力個(gè)體".真實(shí)的Twitter數(shù)據(jù)集上驗(yàn)證了MultiRank的有效性,實(shí)驗(yàn)結(jié)果表明MultiRank優(yōu)于TwitterRank和其他影響力個(gè)體發(fā)現(xiàn)方法,同時(shí)實(shí)驗(yàn)結(jié)果也表明多話題層次影響力個(gè)體數(shù)目相對所有影響力個(gè)體僅占少部分,但影響效果卻明顯高于單話題層次影響力個(gè)體.
[Abstract]:Weibo services generate a lot of information about multiple topics every day, different users participate in the topic discussion, spread and show different influence. In order to measure the influence of users on topic level in Weibo, four kinds of network relationships are considered: forwarding relation, reply relation, copy relation and reading relationship. Aiming at the uncertainty of replication and reading relationships, this paper presents a method to calculate the internal transition probability of the network, and for multi-relational networks, MultiRank-based random walk model based on multi-relational networks is proposed. The transition probability within the network and the jump probability among different networks are considered respectively. Finally, the influence individual is divided into multi-topic influence individual and single-topic influence individual according to its influence attribute. The effectiveness of MultiRank is verified on real Twitter datasets. The experimental results show that MultiRank is superior to Twitter Rank and other influential individuals, and that the number of multi-topic influential individuals is only a small part relative to all influential individuals. But the influence effect is obviously higher than single topic level influence individual.
【作者單位】： 國防科學(xué)技術(shù)大學(xué)信息系統(tǒng)與管理學(xué)院;國防科學(xué)技術(shù)大學(xué)信息系統(tǒng)工程重點(diǎn)實(shí)驗(yàn)室;國防科學(xué)技術(shù)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家“九七三”重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃基金項(xiàng)目(2013CB329601,2013CB329602) 國家自然科學(xué)基金項(xiàng)目(60933005,9112400271331008,61302144)
【分類號】：TP393.09

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 喬少杰;唐常杰;彭京;劉威;溫粉蓮;邱江濤;;基于個(gè)性特征仿真郵件分析系統(tǒng)挖掘犯罪網(wǎng)絡(luò)核心[J];計(jì)算機(jī)學(xué)報(bào);2008年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前7條

1 田宏;馬朝陽;;基于郵件挖掘社會網(wǎng)絡(luò)核心層的新方法[J];大連交通大學(xué)學(xué)報(bào);2010年03期

2 王斌;;基于二次挖掘的外部IM用戶辨別方法[J];計(jì)算機(jī)工程;2010年22期

3 高建強(qiáng);譚劍;崔永發(fā);;一種基于通訊痕跡的社會網(wǎng)絡(luò)團(tuán)伙分析模型[J];計(jì)算機(jī)應(yīng)用與軟件;2012年03期

4 魏婧;劉業(yè)政;邢小云;;在線社會化網(wǎng)絡(luò)的口碑傳播研究[J];情報(bào)雜志;2011年04期

5 唐晉韜;王挺;王戟;;適合復(fù)雜網(wǎng)絡(luò)分析的最短路徑近似算法[J];軟件學(xué)報(bào);2011年10期

6 喬少杰;彭京;李天瑞;李紅;李太勇;王超;;基于中心性和PageRank的網(wǎng)頁綜合評分方法[J];西南交通大學(xué)學(xué)報(bào);2011年03期

7 付舉磊;孫多勇;肖進(jìn);汪壽陽;;基于社會網(wǎng)絡(luò)分析理論的恐怖組織網(wǎng)絡(luò)研究綜述[J];系統(tǒng)工程理論與實(shí)踐;2013年09期

相關(guān)博士學(xué)位論文 前1條

1 尹美娟;基于Web和Email的多元社會網(wǎng)絡(luò)抽取與分析關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前7條

1 楊慧潔;郵件通聯(lián)關(guān)系網(wǎng)絡(luò)中重要節(jié)點(diǎn)及社團(tuán)發(fā)現(xiàn)技術(shù)研究[D];解放軍信息工程大學(xué);2010年

2 王銳;基于MongoDB的關(guān)系網(wǎng)絡(luò)分析技術(shù)研究與應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2011年

3 王玲;基于社會網(wǎng)絡(luò)的交易型社區(qū)結(jié)構(gòu)及演化研究[D];哈爾濱工業(yè)大學(xué);2011年

4 李棟才;基于鏈接重要性的動態(tài)鏈接預(yù)測算法研究[D];華中科技大學(xué);2011年

5 馬朝陽;基于SNA的網(wǎng)絡(luò)核心及社團(tuán)結(jié)構(gòu)挖掘研究[D];大連交通大學(xué);2010年

6 趙秀濤;Web病毒式營銷中的挖掘技術(shù)研究[D];沈陽航空工業(yè)學(xué)院;2010年

7 馬寅;社會網(wǎng)絡(luò)影響力最大化算法及傳播模型的研究[D];蘭州大學(xué);2012年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 劉威;唐常杰;喬少杰;溫粉蓮;左R，

本文編號：2019139