-
题名社会网络下的基于主题概率的影响从众性模型和分析
被引量：1
- 1
-
-
作者
万路康
章倩雯
谢瑾奎
-
机构
华东师范大学计算机科学技术系
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第2期277-281,共5页
-
基金
国家自然科学基金项目(61502170)资助
-
文摘
在社会网络中,量化分析用户影响力及用户之间的影响关系已经变得越来越有必要,对精度的要求也越来越高.网络模型构建的好坏,模型预测用户行为的好坏对商业营销、社会影响最大化等应用都有着至关重要的意义.如何从不同方面量化社会影响力?如何量化不同方面下的用户之间的影响力强弱?如何在社会网络中构造这样一个模型?为了解决这些问题,提出一个基于主题概率的从众性模型(Topical Conformity Model,简称TCM),模型从主题层对社会网络进行建模,考虑不同主题概率下的用户影响力以及用户之间的影响关系.将该模型应用在学术网络中的用户关键词预测上,并与前人的方法进行实验对比,各项预测指标都有一定的提升,其中AUC值提高了4.3%,验证了本文提出的模型对于用户行为预测的有效性.此外,本文的工作还解决了如下两个问题:1、寻找某个主题下最可能选择某行为的用户;2、寻找某个用户选择某个行为受影响最大的主题.
-
关键词
社会网络
影响从众性
主题概率
机器学习
-
Keywords
social network
influence conformity
topic probability
machine learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
