-
题名一种基于排名聚合的社交网络关键用户挖掘方法
被引量:2
- 1
-
-
作者
梁耀洲
郭强
刘建国
-
机构
上海理工大学复杂系统科学研究中心
上海财经大学金融科技研究院
-
出处
《软件导刊》
2020年第3期186-189,共4页
-
基金
国家自然科学基金项目(71771152,61773248)。
-
文摘
带有时间属性的动态社交网络逐步成为社交网络研究热点。相比静态网络,动态网络考虑用户交互发生的先后顺序,能够更直接地描述用户的交互关系和顺序。传统社交网络挖掘方法往往从用户交互路径进行评估,忽略了动态社交网络中交互时间片段的相互影响。综合考虑用户的交互顺序与时间影响,采用超邻接矩阵描述动态网络,并用排名聚合理论对用户影响力进行综合排名,提出了一种基于排名聚合的社交网络关键用户识别方法。Workspace实证数据集显示,该方法在准确率对比结果中,Spearman相关系数最多提高了13.45%,说明该方法在社交网络关键用户挖掘中具有适用性和有效性。
-
关键词
社交网络
超邻接矩阵
排名聚合
关键用户挖掘
-
Keywords
social network
super adjacency matrix
ranking aggregation
key user identification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进PageRank算法挖掘社交网络关键用户
被引量:2
- 2
-
-
作者
石立新
-
机构
河南省市场监督管理局信息中心
-
出处
《现代电子技术》
2022年第12期95-99,共5页
-
文摘
为了准确而快速地挖掘社交网络中的隐藏关键用户,文中在分析经典PageRank算法平均分配权值缺点的基础上,为社交网络中的每个用户节点设置各自的权威度,并结合用户浏览网页的现实情况,模拟用户可以根据主观意向选择节点对应的链接操作,提出一种Au-2S-PageRank(Authority-2Step-PageRank)算法。该算法在程序设计上融合传统AuPageRank和2S-PageRank算法的优点,可解决权值分配和用户主观意向难以确定这两方面的问题。另外,使用推特数据集对Au-2S-PageRank算法、经典PageRank算法、MBUI-SFIM算法进行测试仿真。实验结果表明,相比另外两种数据挖掘算法,Au-2S-PageRank算法可以更加高效且准确地挖掘有向社交网络中的关键用户。
-
关键词
PAGERANK算法
社交网络
关键用户挖掘
权值分配
主观意向
仿真测试
-
Keywords
PageRank algorithm
social network
key user mining
weight distribution
subjective intention
simulation testing
-
分类号
TN915-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-