结合用户兴趣的微博信息传播模式挖掘

被引：5

作者：

郝志峰 ^{[1
,2
]}

黄灿锦 ^{[1
]}

蔡瑞初 ^{[1
]}

温雯 ^{[1
]}

黄宇鹏 ^{[1
]}

陈炳丰 ^{[1
]}

机构：

[1] 广东工业大学计算机学院

[2] 佛山科学技术学院数学与大数据学院

来源：

模式识别与人工智能 | 2016年 / 29卷 / 10期

基金：

广东省自然科学基金; 广东省科技计划;

关键词：

社交网络; 用户兴趣; 传播模式; 频繁子树挖掘;

D O I：

10.16451/j.cnki.issn1003-6059.201610006

中图分类号：

TP391.1 [文字信息处理]; G206 [传播理论];

学科分类号：

081203 ; 0835 ; 050302 ;

摘要：

由于信息传播模型是社区挖掘、社区影响力研究的基础,文中提出结合用户兴趣的信息传播模型,设计基于频繁子树的信息传播微观模式挖掘方法.首先,基于微博社交网络图表示及用户多标签建模,将微观信息传播模式转换为频繁子树挖掘问题.然后,针对微博社交网络图单节点多标签特性,设计多标签节点树的频繁子树挖掘算法(MLTree Miner).最后,结合主题提取方法,使用MLTree Miner挖掘信息传播模式.在人工数据集上的实验表明,MLtree Miner能高效地对多标签节点树进行频繁子树挖掘.针对新浪微博真实数据的实验也验证方法的有效性.

引用

页码：924 / 935

页数：12

共 3 条

[1] 基于MB-LDA模型的微博主题挖掘 [J].

张晨逸 ;

孙建伶 ;

丁轶群 .

计算机研究与发展, 2011, (10) :1795-1802

[2]

EvoMiner: frequent subtree mining in phylogenetic databases[J] . Akshay Deepak,David Fernández-Baca,Srikanta Tirthapura,Michael J. Sanderson,Michelle M. McMahon. Knowledge and Information Systems . 2014 (3)

[3] Inferring Networks of Diffusion and Influence [J].

Gomez-Rodriguez, Manuel ;

Leskovec, Jure ;

Krause, Andreas .

ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA, 2012, 5 (04)

← 1 →