基于模体的 PageRank 在社交网络中对用户排序
社会与信息网络
2019-12-30 v1
摘要
PageRank 已被广泛用于衡量社交网络中用户的权威性或影响力。然而，传统 PageRank 仅利用基于边的关联，即两个相连节点之间的一阶关系，忽略了节点间可能存在的高阶关系。本文提出一种新颖框架——基于模体的 PageRank（MPR），将高阶关系纳入传统 PageRank 计算。模体是由少量节点组成的子图。我们利用模体捕捉网络中节点间的高阶关系，并引入两种方法（一种线性、一种非线性）将 PageRank 与高阶关系结合。我们在三个真实网络（即 DBLP、Epinions 和 Ciao）上进行了大量实验，研究了包括 3 节点简单与锚定模体、4 节点和 5 节点模体在内的不同类型模体。除使用单一模体外，我们还以多种模体集成运行 MPR。我们还设计了一个学习任务来评估基于模体特征的权威预测能力。所有实验结果均表明，与基线方法相比，MPR 能显著提升社交网络中用户排序的性能。
引用
@article{arxiv.1912.11817,
title = {Ranking Users in Social Networks with Motif-based PageRank},
author = {Huan Zhao and Xiaogang Xu and Yangqiu Song and Dik Lun Lee and Zhao Chen and Han Gao},
journal= {arXiv preprint arXiv:1912.11817},
year = {2019}
}
备注
Accepted in TKDE 2019