一种改进的微博用户影响力评价算法

微博用户的影响力研究是微博社区研究的一个热点。以新浪微博为研究对象,构建了用户活跃度和历史关注度两个评价指标,引入微博传播能力这一因子,提出了一种基于传统的PageRank算法的改进算法（userinfluencerank）模型,通过实验与传统算法进行对比,验证了该算法的有效性和准确性。     

基于监督随机游走的有影响力用户发现算法

基于用户主题偏好的监督随机游走是当前热点研究之一。受微博文本稀疏性的影响,基于微博主题衡量用户影响力的研究较少。为研究某些领域的用户影响力强弱,文章提出一种基于监督随机游走的有影响力用户发现算法(TP-SRW)。通过研究微博用户自身的属性和微博文本的主题特征,构建基于用户交互信息的个体链接关系,并结合代表用户同质性的微博主题兴趣的相似性,构建有向加权网络模型。实验结果分析表明,在不同主题下挖掘高影响力用户,提出的TP-SRW算法和模型具有良好的性能。     

基于社团信息传播能力分析的微博舆情热点监测

在分析微博舆情热点监测研究局限的基础上,从信息传播角度提出一种基于社团信息传播能力分析的微博舆情热点监测方法。该方法首先基于微博用户间信息交互构建微博信息交互网络;然后采用快速Newman社团发现算法挖掘信息交互网络中的信息传播社团;最后根据用户传播影响力和用户间交互紧密度对社团的传播能力进行评估,并通过对具有较强信息传播能力社团中信息交互的监测实现微博潜在舆情热点的挖掘。实验结果表明,微博信息传播社团的信息传播能力与热点微博信息在社团中的真实传播效果具有较高的拟合度,通过对强传播能力社团中信息交互情况的实时监测,可发现潜在舆情热点信息。     

基于溯源的虚假信息传播控制方法

为了研究微博传播机制,本文提出一种基于溯源的虚假信息传播控制方法,根据微博转发关系和主题相关性得到级联集合,并结合用户关系网和信息级联关系网确定微博信息的真正发起者。通过文本情感分析和信息级联关系迭代计算节点的影响力指数和从众指数,提取微博信息早期重要参与者。综合发起者和早期重要参与者确定信息源头并进行评估。通过删除优质源头节点和全局高影响力节点来控制虚假信息的传播。在新浪微博数据集上通过实验验证了基于所有溯源节点的虚假信息控制策略效果最优。     

基于MapReduce的大规模话题网络提取分析

微博作为信息发布和获取的重要手段,已成为最重要的媒体之一。用户每天在微博上发言,其内容隐含着许多重要话题。在话题检测过程中,话题网络构建是一项最基本的内容。将微博发言作为节点,将节点间包含共同的词汇作为边,应用MapReduce编程模型作为海量数据处理的平台,研究了微博信息中大规模话题网络的构建方法。实验表明,基于MapReduce构建的话题网络符合社会网络的相关性质,并且其话题预测的准确性也高于基于LDA模型的话题检测。     

一种基于话题演化的意见领袖发现方法

微博中的意见领袖不仅在社交网络的信息传播中发挥着举足轻重的作用,而且在网络舆情演化中也表现出显著的意见代表性。针对已有的意见领袖挖掘方法仅从复杂网络或者基本图模型来建模发现意见领袖,忽略了意见领袖在具体的话题演化中的意见代表性的问题,提出了基于话题演化的意见领袖发现的方法。该方法首先根据用户之间的交互构建图模型,然后利用寻找中心节点的图论算法挖掘潜在意见领袖,再利用话题演化模型判断潜在意见领袖的演化中心度,最后发现在整体舆情上的具有意见代表性的真实意见领袖。在新浪微博的话题数据集上的试验结果表明,该算法较仅考虑网络模型的意见领袖发现方法更优。     

基于粒子群优化算法的社交网络可视化

为了使用户快捷、清晰地发现及研究微博用户之间的关系,提出基于粒子群优化(PSO)算法的微博数据可视化方法.根据用户在微博中的影响力将用户分为n层,以此来表示用户在网络中对信息的传播影响力的等级.基于数据的关联关系对数据进行子群划分;基于粒子群优化算法,设计目标函数,使粒子群优化算法适应社交网络的布局要求.为了进一步增强可视化效果,降低视觉复杂度,采用曲线代替直线,应用传输函数设置不透明度以及交互的可视化技术.实验结果表明,该方法可以形成清晰的可视化结果,以便更好地分析微博用户之间的关系.     

基于多Agent的微博社交网络信息传播模型

针对传统微博社交网络信息传播模型没有考虑用户个体差异性和用户强弱关系的问题,本文建立了基于多Agent的微博社交网络信息传播模型。将微博用户抽象为Agent,并定义Agent的属性,分析微博社交网络信息的传播机制,定义Agent之间的交互规则,考虑不同强弱关系下影响用户转发信息行为的因素,通过仿真实验探究个体态度、影响力、个体间认同度等因素对微博网络信息传播的影响。仿真结果表明,微博信息的传播呈裂变式扩散模式,微博用户的态度、影响力等因素对信息的传播起促进作用,所提出的相关影响变量对有效利用与管控微博信息传播具有一定的启示意义。     

蛛网态微博关系网中有影响力用户的识别研究

通过分析蛛网态微博关系网的特点,指出识别蛛网态微博关系网中有影响力用户的重要意义.重点探讨微博用户自身属性对用户影响力的作用,结合PageRank算法原理,提出一种蛛网态微博关系网中有影响力用户发现方法 (Influential User Discovering Algorithm,IUDA),并基于新浪微博的真实用户数据将该方法与另外两种方法进行对比实验.结果显示,结合用户本身影响值的IUDA方法可以更高质量地发现蛛网态微博网中有影响力用户,客观反映用户的影响力.     

基于友好度的影响力最大化算法

提出一种基于友好度的影响力最大化算法。利用社交网络中用户行为信息计算友好度并构建友好关系网络,通过友好度调整节点的扩散概率,同时启发式地选取友好度积累值较高的节点作为启发节点以此提升算法的实现效率,最后采用CELF++算法计算影响力最大的节点集。实验结果表明,该算法与CELF++算法、TIM算法和DegreeDiscount算法相比,在获得较好的扩散效果的同时亦将执行时间有效的控制在一定范围内。     

基于节点态度的社交网络信息传播模型

为了揭示信息在社交网络中传播的内在规律,对社交网络的信息传播过程进行深入的研究,社交网络的信息传播过程除了受信息本身的吸引力和社交环境的影响,同时受节点对消息的态度的影响。然而,现有信息传播模型对节点态度考虑不足,不能体现节点态度的差异对信息传播所产生影响。本文结合传染病模型并考虑节点态度,提出了一种基于节点态度的社交网络信息传播模型,旨在分析节点态度对信息传播的影响,为研究社交网络的信息传播机理提供理论依据。首先,考虑到不同节点的态度及其变化规则的差异,从个体角度出发,基于节点行为定义了节点态度及其更新原则。其次,在传统传染病动力学SIRS模型基础上,结合信息传播与传染病感染扩散类似的传播机理,综合考虑节点态度对信息传播状态转移的影响,利用社会学习理论得到一种基于节点态度的社交网络传播模型。该模型能够分析节点态度对信息传播的影响,给出传播规则,并刻画信息传播的演化规律。最后,采用新浪微博的真实数据对本文的传播模型进行了仿真实验,仿真结果验证了节点态度影响着信息的传播,证明了本文所提模型能够更准确地描述信息传播规律,反映社交网络的信息传播过程。     

一种基于用户信任网络的推荐方法

为了解决推荐中存在的数据稀疏、准确度不高等问题,提出了一种基于用户信任网络的推荐方法. 首先利用基本的社会网络,融合用户的基本信任关系、角色影响力、属性相似关系、偏好相似关系构造带权重的社会网络,然后基于此网络提出关键路径发现算法以发现满足约束条件的用户信任网络,最后基于用户信任网络进行推荐. 在Filmtipset数据集上对影响推荐质量的各个因素进行了对比分析,结果表明,基于用户信任网络的方法能得到更好的推荐效果.     

基于主题效能的学术文献推荐算法

针对文献推荐问题,提出了一种基于主题效能的学术文献推荐算法,该算法使用潜在狄利克雷分布(latent Dirichlet allocation,LDA)对候选文献和用户发表的文献进行建模,挖掘出具有高效能的主题集合,并根据候选文献中高效能主题的分布情况来计算它与用户兴趣之间的相似度,最后向用户推荐有价值的文献.实验结果表明:提出的算法比基于频繁项挖掘的算法具有更高的推荐准确率和推荐召回率,可同时满足用户对个性化和文献质量两方面的需求.     

信息融合相似性算法下的虚拟社区链接预测

针对传统的基于节点相似性的链接预测方法存在链接预测指标仅考虑网络结构信息或者节点属性信息,以及链接预测指标静态处理节点之间关系的问题,提出了一种基于信息融合相似性算法的链接预测指标（similarity based on network evolution and user generated content , SNEUGC）,该指标结合用户生成内容信息和网络演化信息对含权网络进行链接预测,以解决现有链接预测指标在含权网络环境下链接预测准确率低的问题。实验证明,该方法的准确率达到了80％,具有一定的可行性。     

基于混合蒙特卡罗算法的网络隐式节点监测方法研究

为了提高动态分簇传感网络的节点转发能力,提出了一种基于混合蒙特卡罗算法的网络隐式节点监测方法.首先,采用分布式均衡控制方法进行网络节点优化设计,构建动态分簇传感网络的输出信道模型.其次,利用自适应链路转发协议进行网络的路由探测设计,构建动态分簇传感网络的隐式节点路由均衡控制模型,提取隐式节点输出信息的关联特征量.最后,利用混合蒙特卡罗算法进行特征检测和信息提取,根据网络隐式节点的特征规律性分布对网络隐式节点信息进行监测.仿真结果表明,本文方法对网络隐式节点具有较好的监测效果,对网络隐式节点监测的最高丢包率仅为0.05,显著低于蚁群算法(0.29)与PEAS算法(0.48).     

基于线性阈值模型的动态社交网络影响最大化算法

针对随时间进化的动态社交网络展开影响最大化问题的研究，目标是基于线性阈值传播模型，挖掘影响力最大的k个种子用户，从种子用户发起传播，最大化影响传播范围。提出一种基于线性阈值模型的动态社交网络影响最大化算法（linear threshold dynamic influence maximization，LTDIM）。首先，给出动态社交网络影响最大化问题的形式化定义，提出利用活边路径获取初始种集的方法；然后，分析网络的各种拓扑变化，提出种集的增量式更新方法；最后，基于节点度和影响力增量提出DP（degree pruning）和IIP（influence increment pruning）剪枝策略进一步提高时间效率。实验使用4个真实的社交网络数据，考察在8个网络快照上算法的运行时间和影响传播范围。实验结果表明，本文算法的影响传播范围接近于静态启发式算法，运行时间大幅度减少，验证了算法的时间高效性和可扩展性。"     

一种高阶费歇耳信息矩阵分布式求逆方法

为获得多智能体系统任意耦合型无向网络导航克拉美-罗下界的显示表达式,简化高阶费歇耳信息矩阵求逆过程,提出了一种分布式求逆方法,即矩阵分块对角化求逆方法。首先,针对任意耦合型无向网络导航定位模型,构造了高阶费歇耳信息矩阵,并结合其对称特点及矩阵元素与网络拓扑间的对应关系,将其分解为两个分块对角矩阵的线性组合,它们分别包含所有节点和边的费歇耳信息量。其次,通过两次运用矩阵求逆引理,推导了费歇耳信息矩阵的逆即克拉美-罗下界以及网络节点等价费歇耳信息矩阵的显式表达式;同时引入了迭代过程,将整个求逆过程完全分解为若干个低阶矩阵间的运算,以减小单步运算量。最后,通过数值试验对该算法进行了验证,并与矩阵分块迭代求逆法进行了对比分析。结果表明,两者均具有较高的计算效率和精度,但本算法运算量更小,计算速度更快,从而验证了算法的准确性和有效性。该算法可用于分析任意耦合型无向网络导航定位模型中各节点或边费歇耳信息的融合过程。     

Novel algorithm for finding circles in the ego network based on entropy

Due to small scale, large amounts of information, the ego network has become a very important research area. Present community detection algorithms focus mainly on the global large scale network, however existing researches have indicated that the community structure is not obvious as expected on the global network. In this paper a novel circles detection algorithm is proposed, which is devoted to finding the circle structure in the ego network. The proposed algorithm defines a new object function, and the detection of circles could be conducted via optimization of the function heuristically. First, this paper extracts topic distribution from the user generated text, and introduces information entropy to evaluate user topic distribution. Then, the harmonic factor is used to combine structure function and entropy function, which leads to the object function. Finally, the optimization of the object function gives the solution for circle detection. Extensive experiments on weibo dataset demonstrate that the proposed algorithm can effectively mine topic-related circles.     

一种用于图卷积网络的社交关系方向门控算法

针对社交网络用户态度分析任务中用户之间原有社交关系方向可能阻碍态度信息流动以及标签扩散的问题,提出了一种应用于半监督图卷积网络的社交关系方向门控算法.该算法首先在原有与逆向社交关系方向上分别进行图卷积运算,得到2种用户节点态度特征向量,然后利用门控机制对2种特征向量进行动态融合.扩展了态度信息传播路径的同时,还能够捕捉用户影响力差异,以自动选择态度信息的流动方向.在2个真实热点话题数据集上的实验结果表明,现有图卷积网络在加入该算法之后,其用户态度分析的准确率能够得到有效提升.