基于社交内容的潜在影响力传播模型

被引：13

作者：

王祯骏 ^{[1
]}

王树徽 ^{[2
]}

张维刚 ^{[1
,3
]}

黄庆明 ^{[1
,2
]}

机构：

[1] 中国科学院大学大数据挖掘与知识管理重点实验室

[2] 中国科学院计算技术研究所智能信息处理重点实验室

[3] 不详

来源：

计算机学报 | 2016年 / 39卷 / 08期

基金：

中国博士后科学基金;

关键词：

社交内容; 影响力传播; 潜在特征模型; 非参数贝叶斯; 链接预测; 偏好预测; 社交媒体; 社交网络;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

080402 ;

摘要：

随着社交网络服务的快速发展及增长,理解网络用户之间潜在的影响力的传播过程,能够帮助用户更好地理解网络结构的动态演化,以及不同的信息对于人与人之间社会关系的影响作用.现有的影响力传播相关的研究工作主要集中在给定静态社交网络结构,分析用户之间的影响力传播,找出最具有影响力的用户子集.然而大部分已有工作都忽略了社交网络中的内容信息,即用户之间的影响力作用是与用户产生内容紧密相关的.该文提出了一种融合内容信息和社交网络动态时间特性的潜在影响力传播模型InfoIBP(Influence propagation on Indian Buffet Process).网络中有影响力的用户被看作是一种潜在的特征,可通过不同采样算法和数值逼近求解出来.而对于网络动态时间特性,借助于隐马尔可夫模型来建模不同时间步上的影响力传播过程.在数据集DBLP和Digg上的一系列链接预测、偏好预测和运行时间评测等实验,证明了所提InfoIBP模型能够更准确地建模潜在的影响力传播过程,更有效地挖掘出社交网络中的有影响力用户及更全面地描述网络的动态时间特性,并能对未来的观测数据做出相对精准的预测.

引用

页码：1528 / 1540

页数：13

共 6 条

[1] 一种基于k-核的社会网络影响最大化算法
曹玖新
董丹
徐顺
郑啸
刘波
罗军舟
[J]. 计算机学报, 2015, 38 (02) : 238 - 248
[2] 基于网络社团结构的节点传播影响力分析
赵之滢
于海
朱志良
汪小帆
[J]. 计算机学报, 2014, 37 (04) : 753 - 766
[3] 一种新型的社会网络影响最大化算法
田家堂
王轶彤
冯小军
[J]. 计算机学报, 2011, 34 (10) : 1956 - 1965
[4] Bayesian Methods for Hidden Markov Models[J] . Steven L Scott.Journal of the American Statistical Association . 2002 (457)
[5] Influence Maximization in Continuous TimeDiffusion Networks. Gomez-Rodriguez M,Sch lkopf B. Proceedings of the29th International Conference onMachine Learning . 2012
[6] Efficient Influence Maximization in Social Networks. Wei Chen,Yajun Wang,Siyu Yang. KDD‘09 . 2009

← 1 →