扩散逻辑模型预测在线社交网络中的信息扩散
社会与信息网络
2011-08-20 v1 偏微分方程分析
物理与社会
摘要
在线社交网络最近已成为在数亿终端用户中传播信息和影响力的有效且创新的渠道。许多先前的工作进行了实证研究并提出了扩散模型来理解在线社交网络中的信息扩散过程。然而，这些研究大多关注时间维度上的信息扩散，即信息如何随时间传播。很少有研究尝试理解信息在时间和空间两个维度上的扩散。在本文中，我们提出一个偏微分方程(PDE)，具体来说，是一个扩散逻辑(DL)方程，来建模在线社交网络中信息扩散的时间和空间特征。更具体地说，我们开发了一个基于PDE的理论框架，用于测量和预测在给定时间后，距离原始信息源一定距离处受影响用户的密度。受影响用户密度随时间和距离的变化为实际信息扩散过程提供了有价值的见解。我们展示了从Digg社交新闻网站收集的真实数据集中的时间和空间模式，并验证了所提出的DL方程在预测信息扩散过程方面的有效性。我们的实验结果表明，DL模型确实能够描述和预测在线社交网络中的信息传播过程。例如，对于Digg上获得24,099票的最热门新闻，DL模型在前6小时内所有距离上的平均预测准确率为92.08%。据我们所知，本文是首次尝试使用基于PDE的模型来研究在线社交网络中时间和空间两个维度的信息扩散过程。
引用
@article{arxiv.1108.0442,
title = {Diffusive Logistic Model Towards Predicting Information Diffusion in Online Social Networks},
author = {Feng Wang and Haiyan Wang and Kuai Xu},
journal= {arXiv preprint arXiv:1108.0442},
year = {2011}
}