tsk-shell:一种话题敏感的高影响力传播者发现算法

发布时间：2018-05-09 05:41

本文选题：高影响力传播者 + k-shell分解　；参考：《计算机研究与发展》2017年02期

【摘要】：在社交网络中,挖掘高影响力的信息传播者,对微博服务中内容的流行度分析和预测是非常有价值的任务.与众多相关方法相比,k-shell分解(k-core)方法因其简洁高效、平均性能好的特点吸引了越来越多的研究人员的兴趣.但是,目前k-shell方法着重考虑节点在网络中的位置因素,而忽略了话题在信息传播中的影响.因此,为了利用用户历史数据中蕴含的话题对消息的传播概率进行细粒度的建模,提出了一种话题敏感的k-shell(topic-sensitive k-shell,tsk-shell)分解算法.在真实Twitter数据集上实验表明,在发现top k高影响力传播者任务中,tsk-shell比k-shell的性能平均提高了约40%,证明了tsk-shell算法的有效性.
[Abstract]:In social networks, it is a valuable task to excavate the highly influential information disseminators and to analyze and predict the popularity of the content in Weibo's service. Compared with many related methods, the k-shell decomposition method has attracted more and more researchers' interest because of its simplicity, efficiency and good average performance. However, at present, the k-shell method focuses on the location of nodes in the network, and neglects the influence of topic in information dissemination. Therefore, in order to model the propagation probability of messages by using the topics contained in user history data, a topic-sensitive k-shell(topic-sensitive k-shelltsk-shell decomposition algorithm is proposed. Experiments on real Twitter datasets show that the performance of tsk-shell is about 40% higher than that of k-shell in the task of finding top k high influence communicator, which proves the effectiveness of tsk-shell algorithm.
【作者单位】：中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所);中国科学院大学;国家计算机网络与信息安全管理中心;
【基金】：国家“九七三”重点基础研究发展计划基金项目(2012CB316303,2014CB340401) 国家“八六三”高技术研究发展计划基金项目(2015AA015803,2014AA015204) 中国科学院重点部署项目(KGZD-EW-T03-2) 国家自然科学基金项目(61232010,61572473,61303156,61502447) 国家242信息安全计划基金项目(2015F028) 山东省自主创新及成果转化专项(2014CGZH1103) 欧盟第七科技框架计划项目(FP7)(PIRSES-GA-2012-318939)~~
【分类号】：TP393.09

【参考文献】