计算机研究与发展 ›› 2017, Vol. 54 ›› Issue (2): 361-368.doi: 10.7544/issn1000-1239.2017.20150819
笱程成1,2,杜攀1,贺敏1,2,3,刘悦1,程学旗1
Gou Chengcheng1,2, Du Pan1, He Min1,2,3, Liu Yue1, Cheng Xueqi1
摘要: 在社交网络中,挖掘高影响力的信息传播者,对微博服务中内容的流行度分析和预测是非常有价值的任务.与众多相关方法相比,k-shell分解(k-core)方法因其简洁高效、平均性能好的特点吸引了越来越多的研究人员的兴趣.但是,目前k-shell方法着重考虑节点在网络中的位置因素,而忽略了话题在信息传播中的影响.因此,为了利用用户历史数据中蕴含的话题对消息的传播概率进行细粒度的建模,提出了一种话题敏感的k-shell(topic-sensitive k-shell, tsk-shell)分解算法.在真实Twitter数据集上实验表明,在发现top k高影响力传播者任务中,tsk-shell比k-shell的性能平均提高了约40%,证明了tsk-shell算法的有效性.
中图分类号: