登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于微博网络的影响力最大化算法
  • 摘要

    由于影响范围的重叠效应,单纯的影响力度量算法并不能解决微博网络中的影响力最大化问题,针对这一研究现状,提出一种用于微博网络中Top-K节点挖掘的算法GABE.通过归纳决定微博用户影响力的关键因素,提出了节点间影响率的概念,进而建立了用于用户影响力度量的WIR算法;根据得到的WIR值提出了符合微博特性的影响力传播模型,运用贪婪算法挖掘出微博网络中的Top-K节点.以爬取到的新浪微博数据进行了模拟验证,结果发现GABE在影响范围上与传统的最大化算法和影响力度量算法相比分别提高了7.7%和20%.这表明通过引入微博特性和贪婪思想,GABE较好地解决了微博网络中的影响力最大化问题.

  • 作者

    吴凯  季新生  郭进时  刘彩霞  WU Kai  JI Xinsheng  GUO Jinshi  LIU Caixia 

  • 作者单位

    国家数字交换系统工程技术研究中心,郑州,450002

  • 刊期

    2013年8期 ISTIC PKU

  • 关键词

    微博  影响力度量  PageRank算法  影响力最大化  贪婪算法  micro-blog  influence measure  PageRank algorithm  influence maximization  greedy algorithm 

参考文献
  • [1] 郭浩,陆余良,王宇,张亮. 基于信息传播的微博用户影响力度量. 山东大学学报:理学版, 2012,5
  • [2] 田家堂,王轶彤,冯小军. 一种新型的社会网络影响最大化算法. 计算机学报, 2011,10
  • [3] 杨长春,俞克非,叶施仁,严水歌,丁虹,杨晶. 一种新的中文微博社区博主影响力的评估方法. 计算机工程与应用, 2012,25
  • [4] RICHARDSON M;DOMINGOS P. Mining knowledge-sharing sites for viral marketings. New York:ACM, 2002
  • [5] WENG J;LIM E-P;JIANG J. TwitterRank:finding topic sensitive influential twitterers. New York:ACM, 2010
  • [6] KEMPE D;KLEINBERG J;TARDOS(E). Maximizing the spread of influence through a social networks. New York:ACM, 2003
  • [7] LESKOVEC J;KRAUSE A;GUESTRIN C. Cost-effective outbreak detection in networkss. New York:ACM, 2007
  • [8] CHEN W;WANG C;WANG Y J. Scalable influence maximization for prevalent viral marketing in large-scale social network. New York:ACM, 2010
  • [9] NARAYANAM R;NARAHARI Y. A shapley value-based approach to discover influential nodes in social networks. IEEE Transactions on Automation Science and Engineering, 2011,01
  • [10] BAKSHY E;HOFMAN J M;MASON W A. Everyone's an influeneer:quantifying influence on twitter. New York:ACM, 2011
  • [11] KWAK H;LEE C;PARK H. What is twitter,a social network or a news media. New York:ACM, 2010
  • [12] CHA M;HADDADI H;BENEVENUTO F. Measuring user influence in twitter:the million follower fallacy. Washington,DC:AAAI, 2010
查看更多︾
相似文献 查看更多>>
54.210.158.163