揭示影响力秘籍：逆向工程同行排名服务中的拓扑影响
社会与信息网络
2016-10-10 v2
摘要
确保及早发现重要的社交网络用户是一项具有挑战性的任务。一些同行排名服务现已相当成熟，例如 PeerIndex、Klout 或 Kred。它们的功能是根据用户的影响力对其进行排名。然而，这种影响力的概念是抽象的，且实现此排名的算法是不透明的。顺应日益增长的更透明网络的需求，我们探索了通过逆向工程此类同行排名服务来获取知识的问题，关注它们作为输入的社交网络拓扑。由于这些服务利用用户的在线活动（以及他们在社交网络中的连接性），我们提供了一项精确评估，研究社交网络的拓扑度量如何影响最终的用户排名。我们的方法如下：我们首先将排名服务建模为一个黑箱，通过创建用户资料并对其执行操作来与之交互。通过这些资料，我们触发一些轻微的拓扑修改。通过监测这些修改对资料排名的影响，我们推断出黑箱中每个拓扑度量的权重，从而逆向破解了该服务的影响力秘籍。
引用
@article{arxiv.1608.07481,
title = {Uncovering Influence Cookbooks : Reverse Engineering the Topological Impact in Peer Ranking Services},
author = {Erwan Le Merrer and Gilles Trédan},
journal= {arXiv preprint arXiv:1608.07481},
year = {2016}
}
备注
To appear in CSCW 2017 (The 20th ACM Conference on Computer-Supported Cooperative Work and Social Computing)