当前位置:主页 > 科技论文 > 数学论文 >

大规模社交网络中高效的关键用户选取方法

发布时间:2018-09-17 16:11
【摘要】:针对大规模社交网络及其用户发布消息的历史数据,如何快速有效地选取具有较强信息传播能力的关键用户,提出了一种关键用户选取方法。首先,利用社交网络的结构信息,构建以用户为节点的有向图,利用用户发布消息的历史数据,基于Spark计算框架,定量计算由用户活跃度、转发交互度和信息量占比刻画的权重,从而构建社交网络的有向带权图模型;然后,借鉴PageRank算法,建立用户信息传播能力的度量机制,给出基于Spark的大规模社交网络中用户信息传播能力的计算方法;进而,给出基于Spark的d-距选取算法,通过多次迭代,使得所选取的不同关键用户的信息传播范围尽量少地重叠。建立在新浪微博数据上的实验结果表明,所提方法具有高效性、可行性和可扩展性,对于控制不良突发信息传播、社交网络舆情监控具有一定的支撑作用。
[Abstract]:Based on the historical data of large scale social networks and their users, this paper presents a method for selecting key users with strong ability to spread information quickly and effectively. Firstly, using the structure information of the social network, constructing the directed graph with the user as the node, using the historical data of the user to publish the message, and based on the Spark computing framework, the activity degree of the user is calculated quantitatively. In order to construct the directed weighted graph model of social network, we can use PageRank algorithm for reference to establish the measurement mechanism of users' ability to spread information. In this paper, the computing method of user's information transmission ability in large-scale social network based on Spark is presented, and then, the algorithm of d- distance selection based on Spark is given, which makes the information transmission range of different key users overlap as little as possible through multiple iterations. The experimental results based on Sina Weibo data show that the proposed method is efficient, feasible and extensible, which can support the control of bad information dissemination and the monitoring of social network public opinion.
【作者单位】: 云南大学信息学院;
【基金】:国家自然科学基金资助项目(61472345,61562090) 云南省应用基础研究计划重点项目(2014FA023) 第二批“云岭学者”培养项目(C6153001) 云南大学青年英才培养计划项目(WX173602) 云南省教育厅科研基金资助项目(2016ZZX006,2016YJS005)~~
【分类号】:O157.5;TP393.09

【相似文献】

相关期刊论文 前10条

1 张基恒;魏进武;张云勇;石祥路;;大数据时代的社交网络分析[J];邮电设计技术;2014年07期

2 张大勇;何傼菲;陈朴;;社交网络等级结构与同配性问题研究[J];复杂系统与复杂性科学;2013年01期

3 孙捷;李永安;陈晓辉;;家庭农场主社交网络运作过程与机制:一个时间密度分析框架的理论研究[J];安徽农业科学;2013年26期

4 黄飞虎;彭舰;宁黎苗;;基于信息熵的社交网络观点演化模型[J];物理学报;2014年16期

5 常晓猛;乐阳;李清泉;陈碧宇;萧世伦;涂伟;;利用位置的虚拟社交网络地理骨干网提取[J];武汉大学学报(信息科学版);2014年06期

6 李玉庭;;社交网络对旅游者购买意向的影响——以经济型酒店产品为购买对象的实证研究[J];旅游纵览(行业版);2012年02期

7 罗卫敏;刘静;刘井波;陈晓峰;;基于博弈论研究社交网络内蠕虫的传播[J];计算机工程与应用;2011年03期

8 陈丽;刘洪伟;朱慧;陆涛;梁飞;;考虑社交网络中用户属性的社区挖掘[J];武汉大学学报(工学版);2014年03期

9 戴云晶;邓倩妮;;在线社交网络用户间影响量化的贝叶斯模型[J];微电子学与计算机;2013年03期

10 孔素真;赵长伟;;多关系类型社交网络信息传播模型[J];河南师范大学学报(自然科学版);2014年05期

相关博士学位论文 前4条

1 王婷;异构社交网络中社区发现算法研究[D];中国矿业大学(北京);2016年

2 张子龙(Pichit Boonkrong);基于复杂社交网络的疫情动力学和疫情控制的数学模型[D];清华大学;2016年

3 丁旋;社交网络分析中的隐私保护问题:去匿名化与无缝隐私[D];清华大学;2014年

4 张春英;基于属性图的社交网络建模与态势分析理论研究[D];燕山大学;2013年

相关硕士学位论文 前10条

1 陈莲;大规模社交网络中二元关系预测方法研究[D];电子科技大学;2014年

2 赵翔;移动社交网络相依关系及社区发现算法研究[D];哈尔滨工业大学;2014年

3 聂绎静;社交网络图压缩算法的研究[D];西安电子科技大学;2014年

4 刘静;移动社交网络中基于马尔科夫模型的信息搜索算法的研究[D];合肥工业大学;2015年

5 李小康;社交网络中特定用户的影响最大化研究[D];中国科学技术大学;2016年

6 姜晗;社交网络上高影响力用户识别研究与应用[D];电子科技大学;2016年

7 马路;面向微博社交网络的时变差别适应度模型研究[D];北京化工大学;2016年

8 方磊;社交网络社区发现问题的研究[D];南京航空航天大学;2016年

9 蒋艾玲;基于社交网络的节点影响力研究[D];重庆邮电大学;2016年

10 刘亚;社交网络节点流失模型与应用研究[D];重庆邮电大学;2016年



本文编号:2246448

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/yysx/2246448.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户7dba0***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com