在 Twitter 中寻找有影响力者：一种时序影响力排序模型
社会与信息网络
2022-03-24 v2
摘要
随着在线社交媒体的日益普及，识别这些社交网络中有影响力的用户变得非常流行。现有工作在衡量用户影响力时，研究了用户属性、网络结构和用户交互。与这些工作不同，我们关注用户行为特征。我们研究了用户活动模式的时序动态，以及这些模式如何影响用户交互。我们将这些特征融入一个基于 PageRank 的时序影响力排序模型 (TIR) 中，以识别有影响力的用户。TIR 中的转移概率由逻辑回归模型预测，随机游走则根据用户的时序活动模式进行偏置。实验表明，TIR 在全局影响力排序和好友推荐方面，比现有模型具有更好的性能且更稳定。
引用
@article{arxiv.1703.01468,
title = {Finding Influentials in Twitter: A Temporal Influence Ranking Model},
author = {Xingjun Ma and Chunping Li and James Bailey and Sudanthi Wijewickrema},
journal= {arXiv preprint arXiv:1703.01468},
year = {2022}
}
备注
The 14th Australasian Data Mining Conference (AusDM), 2016. Code and dataset are available at: https://github.com/xingjunm/Finding-Influentials-in-Twitter