Twitter 中标签脉冲序列的局部变化与流行度
社会与信息网络
2015-08-03 v2 计算机与社会
摘要
我们将标签时间序列与神经元脉冲序列相类比。在这两种情况下，该过程都呈现出复杂的动态模式，包括时间相关性、突发性以及所有其他类型的非平稳性。我们提议采用所谓的局部变化来揭示显著动态，同时对信号的时间相关特征进行适当的去趋势化。该方法在真实与随机化的标签脉冲序列上进行了测试，并识别出热门标签呈现出规律性因而突发性较弱的行为，这表明其在预测社交媒体在线流行度方面的潜在用途。
引用
@article{arxiv.1503.03349,
title = {Local variation of hashtag spike trains and popularity in Twitter},
author = {Ceyda Sanlı and Renaud Lambiotte},
journal= {arXiv preprint arXiv:1503.03349},
year = {2015}
}
备注
7 pages, 7 figures