期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
社会化问答网站知识传播网络推断方法 被引量:6
1
作者 左遥 梁英 +3 位作者 毕晓迪 史红周 董祥祥 李锦涛 《计算机学报》 EI CSCD 北大核心 2018年第1期82-97,共16页
社会化问答网站通过用户间提问与回答的方式帮助用户获得全面的知识.知识传播过程是进一步研究信息传播规律和社交行为的基础,由于无从得知传播者影响了哪些用户,因而无法直接获得答案的完整传播过程.该文提出了一种描述社会化问答网站... 社会化问答网站通过用户间提问与回答的方式帮助用户获得全面的知识.知识传播过程是进一步研究信息传播规律和社交行为的基础,由于无从得知传播者影响了哪些用户,因而无法直接获得答案的完整传播过程.该文提出了一种描述社会化问答网站知识传播过程的传播网络模型,定义了社会化问答网站知识从传播者到接收者的传播过程,归纳出follow,notification,qlink,recommendation这4种可能的知识传播方式,给出了知识传播网络定义,为传播网络推断奠定了理论基础.提出了一种社会化问答网站知识传播网络推断方法,分别提取节点类型、节点时间关系及候选传播者排序特征推断follow关系,采用启发式方法推断另外3种关系,生成知识传播网络.结合知乎问答数据对所提方法进行了实验验证及实例分析,结果表明推断方法有效并具有较高的准确率. 展开更多
关键词 社会化问答网站 知识传播方式 信息传播模型 传播网络推断 知识传播过程
在线阅读 下载PDF
基于感染结果的传播网络推断方法
2
作者 赛影辉 王明鑫 +5 位作者 陈畅 雷伯涵 侯叶俏 李翔翔 孙月明 陈旭 《软件学报》 EI CSCD 北大核心 2022年第8期3103-3114,共12页
为揭示传播网络中节点之间的父子影响关系,现有工作大多需要知道节点的感染时间,而该信息往往只有通过对传播过程进行实时监控才能获得.研究如何基于传播结果来学习获得传播网络中节点之间的父子影响关系.传播结果只包含每个传播过程中... 为揭示传播网络中节点之间的父子影响关系,现有工作大多需要知道节点的感染时间,而该信息往往只有通过对传播过程进行实时监控才能获得.研究如何基于传播结果来学习获得传播网络中节点之间的父子影响关系.传播结果只包含每个传播过程中节点的最终感染状态,而节点的最终感染状态在实际中往往比节点的感染时间更容易获得.提出了一种基于条件熵的方法来推断网络中每个节点的潜在候选父节点.此外,能够通过从基于条件熵的推断结果中发现并修剪那些实际不太可能存在的父子影响关系来优化最终的影响关系推断结果.在人工网络和真实网络上的大量实验,验证了该方法的有效性和运行效率. 展开更多
关键词 传播网络推断 影响关系 感染结果
在线阅读 下载PDF
无需感染时间信息的传播网络快速推断算法 被引量:5
3
作者 孙月明 张运加 +3 位作者 颜钱 陈璐 黄浩 高云君 《计算机科学与探索》 CSCD 北大核心 2019年第4期541-553,共13页
现有的大多数传播网络推断方法需要节点的感染时间信息,但是在许多现实传播过程中,准确的感染时间信息往往是难以获得的。以准确、高效且无需感染时间信息的传播网络推断方法为目标,研究了如何仅利用多次传播过程结束时观测到的各节点... 现有的大多数传播网络推断方法需要节点的感染时间信息,但是在许多现实传播过程中,准确的感染时间信息往往是难以获得的。以准确、高效且无需感染时间信息的传播网络推断方法为目标,研究了如何仅利用多次传播过程结束时观测到的各节点的感染状态来推断节点间的影响关系和感染传播概率。为此,该方法首先利用节点感染状态间的互信息来量化它们之间的相互关联,找出可能的节点间影响关系。然后,构建以感染传播概率为变量的节点感染状态观测数据的对数似然函数,并采用期望最大化的方法最大化该对数似然函数并求解感染传播概率。实验结果表明,相较现有方法,该方法有效提高了传播网络推断的准确性,并且大幅缩短了算法运行所需时间。 展开更多
关键词 传播网络推断 影响关系 感染传播概率 感染时间信息
在线阅读 下载PDF
支持隐私保护的社交网络信息传播方法 被引量:3
4
作者 高昂 梁英 +2 位作者 谢小杰 王梓森 李锦涛 《计算机科学与探索》 CSCD 北大核心 2021年第2期233-248,共16页
社交网络影响力传播重点关注如何使用少量的种子集合在社交网络中产生尽可能高的影响力,并将转发作为信息传播的唯一方式,忽略了其他传播方式,例如用户可通过发布一条与所见信息内容相似的信息来进行传播,这种传播方式(称为转述)因为难... 社交网络影响力传播重点关注如何使用少量的种子集合在社交网络中产生尽可能高的影响力,并将转发作为信息传播的唯一方式,忽略了其他传播方式,例如用户可通过发布一条与所见信息内容相似的信息来进行传播,这种传播方式(称为转述)因为难以追踪,所以存在隐私泄漏的风险。针对上述问题,定义了一种支持转述关系的社交网络信息传播模型,提出了一种支持用户隐私保护的信息传播方法 LocalGreedy,确保用户发送的信息不泄漏到指定黑名单的同时,最大化传播产生的影响力,平衡了隐私保护和信息传播的矛盾。针对种子集合选取的枚举问题,提出了支持隐私保护的递增策略构造种子集合,减少时间开销;给出了计算节点的局部影响子图方法,快速估计种子集合传播产生的影响力;为确保种子集合满足隐私保护约束限制,提出了推导节点泄漏态概率上限的方法,避免使用蒙特卡洛方法产生的时间开销。使用爬取的新浪微博数据集进行实验验证和实例分析,结果表明了所提方法的有效性。 展开更多
关键词 信息传播模型 传播网络推断 影响力最大化 隐私保护 社交网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部