社交媒体中话题传播的信息扩散
社会与信息网络
2016-02-22 v1 物理与社会
摘要
真实世界的社会和/或运营网络由具有关联状态的代理组成，其连接形成复杂拓扑。这种复杂性因互连的信息层而进一步加剧，例如代理的文档/资源相互分享主题相似性。我们在本工作中的目标是预测代理的特定状态，因其观察到的资源随时间演变并更新。代理间的信息扩散与出版物本身有效地导致一个动态过程，我们通过互连网络系统（即分层）捕获。更具体地，我们使用超拉普拉斯矩阵（supra-Laplacian matrix）的概念来解决这种从经典“图拉普拉斯（graph Laplacian）”开始的互连网络的广义扩散。辅助和外部输入更新由多维布朗过程建模，产生代理状态变化的两个贡献：一个源于网络系统内的内在交互，另一个源于外部输入或创新。此主题的一个变体，即先验知道一部分代理的状态，被证明导致一个卡尔曼预测器问题。这帮助我们利用估计代理状态中的误差来精炼预测状态。三个真实世界数据集用于评估和验证这种新颖分层网络方法中的信息扩散过程。我们的结果表明，使用互连网络而非代理间的单一连接层时预测误差更低。通过使用估计的扩散连接并应用具有部分观测的卡尔曼方法，预测误差进一步改善。
引用
@article{arxiv.1602.04854,
title = {Information Diffusion of Topic Propagation in Social Media},
author = {Shahin Mahdizadehaghdam and Han Wang and Hamid Krim and Liyi Dai},
journal= {arXiv preprint arXiv:1602.04854},
year = {2016}
}