揭示社交网络中在社区间传播信息的节点
社会与信息网络
2014-01-15 v1 物理与社会
摘要
从在线社交网络收集的众多数据集中，已经观察到了明确的社区结构。大量用户参与这些网络，由此产生的图规模带来了计算挑战。识别负责社区间信息流的节点有着特殊需求；例如，在时序 Twitter 网络中，当社区间连通性稀疏且不同节点簇之间仅存在少量边时，社区间的边在传播活动尖峰中起关键作用。本文提出的新算法旨在通过测量节点到另一社区节点的邻近程度来揭示这些关键连接。我们考察在多于一个社区中拥有边的节点，以及影响其接收和广播信息的周围节点的局部性。该方法依赖于从在多于一个社区中拥有边的节点出发、执行选定固定步数的独立随机游走。对于我们心目中的大规模网络，现有的度量如介数中心性难以计算，即使使用近似大量所需运算的最新方法也是如此。因此，我们设计了一种可扩展以满足当前大数据需求并具备利用并行处理能力的算法。该新算法在合成数据上进行了演示，其结果可被仔细评估；同时也在真实的大规模 Twitter 活动数据上进行了演示，从中可以获得新的见解。
引用
@article{arxiv.1401.3222,
title = {Uncovering nodes that spread information between communities in social networks},
author = {Alexander V. Mantzaris},
journal= {arXiv preprint arXiv:1401.3222},
year = {2014}
}