大型博客图中的级联行为
物理与社会
2007-05-23 v1 数据分析、统计与概率
摘要
博客之间如何引用和影响彼此？此类链接如何演化？旧博客帖子的受欢迎程度是否随时间指数下降？这些是本文要解决的问题。我们的目标是构建一个能够生成真实级联的模型，以帮助我们进行链接预测和异常检测。博客（网络日志）因其及时发布、易于使用和广泛可用性已成为重要的信息媒介。事实上，它们经常通过讨论和发现政治事件和事实的证据而成为头条新闻。博客经常相互链接，创建了一个公开可用的记录，展示了信息和影响力如何通过底层社交网络传播。聚合来自多个博客帖子的链接形成一个有向图，我们对其进行分析以发现博客空间中的信息传播模式，从而理解底层社交网络。博客不仅本身有趣，我们的分析还揭示了谣言、病毒和想法如何在社交和计算机网络中传播。在分析了现有最大的数据集之一（包含 45,000 个博客和约 220 万篇博客帖子）后，我们报告了关于博客链接和信息传播结构的一些令人惊讶的发现。我们的分析还揭示了谣言、病毒和想法如何在社交和计算机网络中传播。我们还提出了一个简单的模型，模拟博客圈上的信息传播，并产生与现实生活中发现的信息级联非常相似的结果。
引用
@article{arxiv.0704.2803,
title = {Cascading Behavior in Large Blog Graphs},
author = {Jure Leskovec and Mary McGlohon and Christos Faloutsos and Natalie Glance and Matthew Hurst},
journal= {arXiv preprint arXiv:0704.2803},
year = {2007}
}