期刊文献+

基于层次性过滤的社交网络关键节点挖掘算法研究 被引量:1

Research on Key Node Mining Algorithm of Social Network Based on Hierarchical Filtering
下载PDF
导出
摘要 社交网络是人们现实世界社交活动在网络的延伸。同现实世界相似,社交网络处于中心性地位的核心人物,基于威望、信任与活跃度等因素,仍然对信息的局部辐射起着重要作用,而处于社交网络区域之间的连通性关键人物,基于位置关系,则对信息在网络全局之间的穿透有着不可低估的力量。论文关键节点挖掘技术的研究以层次性评价指标的提出为基础,层次性指标的设计目的是通过低层次、低复杂度指标的计算过滤部分节点,从而降低高层次、高复杂度指标节点计算规模,同时保证挖掘质量。论文对所提出的算法在SIR模型中进行了实验验证,实验结果表明本文提出的关键节点挖掘算法挖掘的节点能加快信息传播,扩大信息传播范围。
作者 郑吉 周莲英
出处 《数据通信》 2018年第4期26-31,共6页
  • 相关文献

参考文献1

二级参考文献51

  • 1Gladwell M. The Tipping Point:How Little Things Can Make a Big Difference[M].New York:Little Brown,2000.
  • 2Berry J,Keller E. The Influentials:One American in Ten Tells the Other Nine How to Vote,Where to Eat,and What to Buy[M].New York:The Free Press,2003.
  • 3Katz E,Lazarsfeld P. Personal Influence:The Part Played by People in the Flow of Mass Communications[M].New York:The Free Press,1955.
  • 4Rogers E M. Diffusion of Innovations[M].New York:The Free Press,1962.
  • 5Cialdini R B. Influence:Science and Practice[M].Boston Allyn and Bacon,2003.
  • 6Aggarwal C C. Social Network Data Analytics[M].New York:Springer-Verlag,2012.
  • 7Goyal A,Bonchi F,Lakshmanan L VS. Learning influence probabilities in social networks[A].New York,USA,2010.241-250.
  • 8Xiang R,Neville J,Rogati M. Modeling relationship strength in online social networks[A].Raleigh,USA,2010.981-990.
  • 9Aral S,Walker D. Identifying influential and susceptible memhers of social networks[J].SCIENCE,2012,(6092):337-341.
  • 10Blei D M,Ng A Y,Jordan M I. Latent Dirichlet Allocation[J].JOURNAL OF MACHINE LEARNING RESEARCH,2003.993-1022.

共引文献28

同被引文献1

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部