社交网络中创新早期采用者的发现

社交网络通过同伴对采纳行为的影响在创新扩散中发挥着基础性作用。因此，包括多种网络中心性度量在内的网络位置已被用来描述个体采纳创新的倾向及其传播扩散的能力。然而，社交网络在易感性与影响力方面以及在网络中心性方面均具有同配性。这使得影响者的识别十分困难，尤其是因为易感性与中心性并非总是一致。本文我们提出Top Candidate算法，一种专家推荐方法，基于个体被感知的专业度进行排序，这与创新者与早期采用者的同配性质相契合。利用来自两个在采纳行为上同配但代表不同网络中心性同配水平的在线社交网络的采纳数据，我们证明Top Candidate排序在捕捉早期采用者上比其他广泛使用的指标更高效。Top Candidate节点比其他方法突出的节点更早采纳，且在创新者、早期采用者与早期多数群体中拥有更高的触达率。这些结果表明Top Candidate方法能够识别社交网络影响力最大化活动的良好种子节点。