时序社交网络中关键节点的发现
社会与信息网络
2018-03-02 v2 物理与社会
摘要
[背景] 关键节点的发现在社交网络分析（SNA）中具有重要作用。有效且准确地挖掘关键节点可促进在广告与推荐等领域的更成功应用。[方法] 聚焦于用户行为的时间与类别属性——他们何时转发或回复消息，以及由结构嵌入度量的社会亲密度，我们设计了一种对类 PageRank 算法更为敏感的算法，以适应不断增长和变化的社交网络，从而挖掘关键节点。[结果] 与基线 PageRank 算法相比，由我们的排序算法选出的关键节点在采用 SNAP Higgs 数据集的 SIR 疾病传播模拟中表现明显更优。[结论] 这些结果有助于更好地理解社交事件在网络上的传播。
引用
@article{arxiv.1802.10083,
title = {Discovering Key Nodes in a Temporal Social Network},
author = {Jinshuo Liu and Chenghao Mou and Donghong Ji},
journal= {arXiv preprint arXiv:1802.10083},
year = {2018}
}