基于观测的信息扩散中热点跨度的有效检测
社会与信息网络
2011-10-13 v1 物理与社会
摘要
我们研究了如何从少量观测数据中检测信息扩散行为的变化问题,其中行为变化被假定能有效地反映在扩散参数值的变化上。该问题旨在检测该变化在何时发生、持续多长时间以及变化幅度有多大。我们通过搜索使生成观测扩散序列的似然最大化的变化模式来解决此问题。朴素的(naive)学习算法需要迭代更新模式边界,每次更新都需要通过 EM 算法优化扩散参数,效率极低。我们设计了一种非常高效的搜索算法,利用似然的导数,避免了搜索过程中的参数值优化。在三种真实网络结构上的测试结果证实,该算法能够高效地识别出正确的变化模式。我们进一步将所提算法与朴素方法进行了比较,后者通过在一组随机选取的边界候选中进行穷举搜索来寻找最优的边界组合;结果表明,无论在精度还是计算时间上,所提算法都远优于朴素方法。
引用
@article{arxiv.1110.2659,
title = {Efficient Detection of Hot Span in Information Diffusion from Observation},
author = {Kouzou Ohara and Kazumi Saito and Masahiro Kimura and Hiroshi Motoda},
journal= {arXiv preprint arXiv:1110.2659},
year = {2011}
}
备注
7 pages, 11 figures; IJCAI11 Workshop on Link Analysis in Heterogeneous Information Networks