跨多个社交网络挖掘五亿主题专家
信息检索
2016-09-01 v1 社会与信息网络
摘要
在社交媒体上挖掘主题专家是一个因其广泛应用而受到极大关注的问题。在此，我们呈现了第一项结合来自四个主要社交网络——Twitter、Facebook、Google+ 和 LinkedIn——的数据，以及 Wikipedia 图和互联网网页文本及元数据，对全球用户群体中的主题专家进行排名的研究。我们对源自各种数据源（如消息文本、用户列表、网页、社交图和 Wikipedia）的 37 个特征进行了深入分析。这项大规模研究包括在 90 天滑动窗口内的超过 120 亿条消息和 580 亿条社交图边。比较揭示，源自 Twitter 列表、Wikipedia、互联网网页和 Twitter 关注者的特征是专业知识的特别好的指标。我们使用这些特征在一个包含近 90,000 个标签的大型真实数据集上训练了一个专家排名模型。该模型应用于一个生产系统中，该系统每天对超过 9,000 个主题领域中的 6.5 亿多名专家进行排名。我们提供了关于我们专家排名系统有效性的结果和示例，以及实证验证。最后，我们通过开放的 REST API 提供主题专业知识数据以供更广泛的使用。
引用
@article{arxiv.1608.09002,
title = {Mining Half a Billion Topical Experts Across Multiple Social Networks},
author = {Nemanja Spasojevic and Prantik Bhattacharyya and Adithya Rao},
journal= {arXiv preprint arXiv:1608.09002},
year = {2016}
}
备注
20 pages, 9 figures, 6 tables