用于 Twitter 转发的非齐次泊松过程层次模型
应用统计
2019-05-01 v3 社会与信息网络
统计计算
摘要
我们提出一种用于在线社交媒体（特别是 Twitter 转发）信息扩散的非齐次泊松过程（NHPP）层次模型。每条原始推文的转发由 NHPP 建模，其强度函数是时间衰减分量与依赖于原始推文作者 follower 数量的另一分量的乘积。后者使我们能够通过网络中心性相关协变量解释或预测最终转发计数。推断算法可计算贝叶斯因子，以便于模型选择。最后，将该模型应用于两个标签的转发数据集。
引用
@article{arxiv.1802.01987,
title = {A hierarchical model of non-homogeneous Poisson processes for Twitter retweets},
author = {Clement Lee and Darren J Wilkinson},
journal= {arXiv preprint arXiv:1802.01987},
year = {2019}
}
备注
48 pages, 13 figures, 2 tables