资源受限下社交网络中基于主题的影响力计算
社会与信息网络
2018-01-09 v1 物理与社会
摘要
随着社交网络不断变化和演进,分析动态社交网络的方法在理解社会趋势方面变得愈发重要。然而,由于社交网络服务提供商施加的限制,可用于获取社交网络全部内容的资源通常非常有限。因此,动态社交网络数据的分析需要在本地为每个时间段维护社交网络的近似副本。本文研究在有限探测能力下动态网络与文本获取的问题,以在社交网络演进过程中识别并维护有影响力的用户。我们提出一种算法,在每个探测周期内基于用户的影响力趋势与活动,探测有限数量用户的关系(用于全局影响力计算)以及帖子(用于基于主题的影响力计算)。我们根据新探测的用户数据和本地维护的上一版网络推断当前网络。此外,我们提出使用链接预测方法进一步提升网络推断的准确度。我们采用PageRank作为影响力计算的度量。我们展示了所提方案如何维持准确的PageRank分数以计算全局影响力,以及主题敏感的加权PageRank分数以计算基于主题的影响力。后者依赖于通过帖子语义分析及其分享统计确定的权重所构建的基于主题的网络。我们利用微博服务Twitter的数据,通过将本方法与完整且最新版本网络的真实影响力分数进行比较,评估了算法的有效性。结果表明,我们的技术显著优于基线方法,并优于文献中最先进的(state-of-the-art)技术。
引用
@article{arxiv.1801.02198,
title = {Topic-Based Influence Computation in Social Networks under Resource Constraints},
author = {Kaan Bingöl and Bahaeddin Eravcı and Çağrı Özgenç Etemoğlu and Hakan Ferhatosmanoğlu and Buğra Gedik},
journal= {arXiv preprint arXiv:1801.02198},
year = {2018}
}