利用转发图动力学建模 Twitter 趋势

在本文中，我们对 Twitter 中的用户行为进行建模，以捕捉热门话题的出现。为此，我们首先广泛分析了几个不同事件的推文数据集。特别是针对这些数据集，我们构建并研究了转发图。我们发现，热门话题的转发图具有相对稠密的最大连通分量（LCC）。接下来，基于从数据集分析中获得的见解，我们设计了一个数学模型，该模型通过三个主要参数描述转发图的演化。随后，我们通过解析和模拟量化了模型参数对转发图基本特征（如边密度以及 LCC 的大小和密度）的影响。最后，我们将模型付诸实践，估计其参数，并将模型的 resulting 行为与我们的数据集进行比较。