微博中基于多关系网络的话题层次影响力分析

被引:21
作者
丁兆云 [1 ,2 ,3 ]
周斌 [3 ]
贾焰 [3 ]
张鲁民 [3 ]
机构
[1] 国防科学技术大学信息系统与管理学院
[2] 国防科学技术大学信息系统工程重点实验室
[3] 国防科学技术大学计算机学院
关键词
话题影响力个体; 社会网络; PageRank; 多关系网络; 微博;
D O I
暂无
中图分类号
TP393.09 [];
学科分类号
080402 ;
摘要
微博服务每天产生大量涉及多个话题的信息,不同用户参与话题的讨论、传播等表现出不同的影响力.为了全面度量微博中用户在话题层次上的影响力,综合考虑4种网络关系:转发关系、回复关系、复制关系、阅读关系.针对复制关系和阅读关系的不确定性,给出了网络内部转移概率计算方法;针对多关系网络,提出了基于多关系网络的随机游走模型MultiRank,分别考虑了网络内部的转移概率和不同网络之间的跳转概率.最后将影响力个体根据其影响力属性分为"多话题层次影响力个体"和"单话题层次影响力个体".真实的Twitter数据集上验证了MultiRank的有效性,实验结果表明MultiRank优于TwitterRank和其他影响力个体发现方法,同时实验结果也表明多话题层次影响力个体数目相对所有影响力个体仅占少部分,但影响效果却明显高于单话题层次影响力个体.
引用
收藏
页码:2155 / 2175
页数:21
相关论文
共 11 条
[1]   基于个性特征仿真邮件分析系统挖掘犯罪网络核心 [J].
乔少杰 ;
唐常杰 ;
彭京 ;
刘威 ;
温粉莲 ;
邱江涛 .
计算机学报, 2008, (10) :1795-1803
[2]   Analysis of SIGMOD's co-authorship graph [J].
Nascimento, MA ;
Sander, J ;
Pound, J .
SIGMOD RECORD, 2003, 32 (03) :8-10
[3]  
A New Product Growth for Model Consumer Durables[J] . Frank M. Bass.Management Science . 1969 (5)
[4]  
Mining topic-level influence in heterogeneous networks. Liu L,Tang J,Han J,et al. Proc of the 19th ACM Conf on Information and Knowledge Management . 2010
[5]  
Computing PageRank using power extrapolation. HAVELIWALA T H,KAMVAR S D,KLEIN D,et al. . 2003
[6]  
Exploiting the hierarchical structure for link analysis. Xue Gui-Rong,Yang Qiang,Zeng Hua-Jun,et al. 8th Annual Interna-tional ACM SIGIR Conference on Research and Development in Information Retrieval(SIGIR‘05) . 2005
[7]  
Social Network Analysis: Methods and Applications. Wasserman S, Faust K. Cambridge University Press . 1994
[8]  
Information diffusion through blogspace. Gruhl D,Guha R,Liben-Nowell D,et al. Proc of the 13th Int World Wide Web Conf . 2004
[9]  
The PageRank citation ranking: bringing order to the web. Page L,Brin S,Motwani R,et al. 7th International World Wide Web Conference . 1998
[10]  
Quantifying sentiment and influence in blogspaces. Hui P,Gregory M. Proc of the 1st Workshop on Social Media Analytics . 2010