Twitter话题标签的传染性建模
社会与信息网络
2016-09-21 v1 种群与进化
应用统计
摘要
本研究应用动力学和统计建模技术来量化Twitter上趋势话题标签的扩散与流行度。利用反映纽约市和旧金山实际推文的时间序列数据，我们采用传染病建模框架结合贝叶斯马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)方法，给出了数百个趋势话题标签的动力学（即感染率与恢复率）的估计。该方法论策略是传统用于建模传染病传播技术的扩展。我们证明在某些模型中，话题标签可按传染性分组，可能提供一种量化主题趋势程度的方法。
关键词
引用
@article{arxiv.1603.00074,
title = {Modeling the Infectiousness of Twitter Hashtags},
author = {Jonathan Skaza and Brian Blais},
journal= {arXiv preprint arXiv:1603.00074},
year = {2016}
}