利用不同时间粒度下链接分析排序检测层级关系
社会与信息网络
2017-01-25 v1 物理与社会
摘要
社交网络包含隐式知识，可用于推断在可用数据中未显式存在的层级关系。交互模式通常受用户社会关系影响。我们提出一种推断此类信息的方法，该方法在不同时间粒度上应用链接分析排序算法。此外，采用投票方案来获取层级关系。该方法在两个数据集上评估：Enron 电子邮件数据集，其目标是推断经理-下属关系；以及合著者数据集，其目标是推断博士导师-学生关系。实验结果表明，所提方法在从社交网络推断层级关系方面优于更传统的方法。
引用
@article{arxiv.1701.06861,
title = {Detecting Hierarchical Ties Using Link-Analysis Ranking at Different Levels of Time Granularity},
author = {Hend Kareem and Lars Asker and Panagiotis Papapetrou},
journal= {arXiv preprint arXiv:1701.06861},
year = {2017}
}