用于分析社交媒体用户影响的动态多关系中国餐馆过程
社会与信息网络
2012-05-08 v1 机器学习
物理与社会
摘要
我们研究了分析影响社交媒体中发布的个体消息的各种因素之影响的问题。由于通过各种类型的影响在社交媒体网络中传播并同时作用于任何用户，该问题具有挑战性。此外，影响因素的主题构成以及用户对这些影响的易感性随时间演变。此前尚未研究过此问题，且现成模型不适用于此目的。为了捕捉这些各种因素的复杂相互作用，我们提出了一种称为动态多关系中国餐馆过程的新非参数模型。该模型考虑了用于数据生成的用户网络，并允许参数随时间演变。设计适用于大规模社交媒体数据的该模型推断算法是另一项挑战。为此，我们提出了一种基于在线 Gibbs 采样的可扩展多线程推断算法。在大规模 Twitter 和 Facebook 数据上的广泛评估表明，当应用于作者归属和评论预测时，提取的主题优于最先进的基线方法。更重要的是，我们的模型产生了关于主题趋势和用户个性趋势的宝贵见解，超越了现有方法的能力。
引用
@article{arxiv.1205.1456,
title = {Dynamic Multi-Relational Chinese Restaurant Process for Analyzing Influences on Users in Social Media},
author = {Himabindu Lakkaraju and Indrajit Bhattacharya and Chiranjib Bhattacharyya},
journal= {arXiv preprint arXiv:1205.1456},
year = {2012}
}
备注
9 pages