社交交互网络中用户社区与兴趣模式的联合推断

在线社交媒体已成为我们社会存在不可或缺的一部分。分析社交媒体平台上的对话可导出复杂概率模型以理解社交交互网络。本文中，我们提出一种建模方法，通过基于社交媒体交互联合推断用户社区与兴趣来刻画社交交互网络。我们提出若干模式推断模型：i) 兴趣模式模型（IPM）捕获群体层面的交互主题；ii) 用户兴趣模式模型（UIPM）捕获用户特定的交互主题；iii) 社区兴趣模式模型（CIPM）同时捕获社区结构与用户兴趣。我们在从普渡大学社区收集的Twitter数据上测试了我们的方法。从我们的模型结果中，我们观察到与普渡大学社区内两起大事件相关的交互主题与社区，即普渡大学捐赠日（Purdue Day of Giving）和参议员伯尼·桑德斯作为2016年印第安纳州初选一部分对普渡大学的访问。基于用户交互构建社交交互网络考虑了用户在各种感兴趣主题上交互的相似性，并进一步超越了连通性指示了他们的社区归属。我们观察到此类网络的度分布遵循幂律，这表明网络中具有较高交互水平的节点较少，而许多其他节点交互较少。我们还讨论了此类网络作为有效向目标受众传播特定信息以规划任何大规模事件的有用工具的应用，并展示了如何通过运行网络算法在给定社区中挑出特定节点。