基于图表示学习的社交网络群体竞争影响力识别

群体竞争影响力识别是社交网络分析领域的一个必要研究,其任务是识别社交网络中任意两群体节点在相互竞争条件下的影响力,在舆情分析等实际场景中具有重要意义.在过去的几年里,许多研究集中在没有竞争对手的群体影响力识别.然而,竞争普遍存在于真实的社交网络中,因此研究群体竞争影响力识别任务十分必要.与非竞争场景下的群体影响力识别相比,群体竞争影响力识别存在竞争数据集的构建和群体对嵌入聚合等挑战.图表示学习(GRL)在社交网络分析领域取得了巨大的成功,可以将图结构表示成具有结构信息的低维嵌入,能够更好的反应节点之间的相互作用,提供比传统方法更丰富的信息.本文开创性的使用GRL来解决竞争场景下的群体影响力识别问题,并提出了一个基于GRL的框架.为了解决竞争数据集的构建问题,本文提出了一种基于影响力多样性的群体对构建方法.为了解决竞争群体对嵌入聚合问题,本文提出了一种基于求和相减的方法来聚合竞争群体对中节点的嵌入.本文在7个真实的社交网络上进行了大量实验来分析所提框架的有效性.实验结果表明所提框架优于基线方法.

基于改进k-shell算法的节点影响力的识别

在复杂网络中具有较大影响力的节点在控制谣言传播、优化资源分配、高效传播信息、精确投放广告等方面发挥着重要作用。鉴于当前众多方法在识别节点的不同影响力时存在一定局限性,因此在k-shell方法的基础上,通过度量边的潜在重要性,考虑邻居节点的差异贡献性,从而定义了节点的加权度概念,并提出了MKS(Modified k-shell)算法,该算法综合考虑了节点的本身、位置以及局部属性。通过在具有代表性的Zachary空手道俱乐部网络上进行实现,并和其他典型方法进行比较分析,发现该算法改进了k-shell方法的粗粒化划分,其结果更加合理。

航空网络影响力节点识别与鲁棒性分析

为精确识别航空网络的影响力节点,并分析其鲁棒性,使航空网络优化策略更具有针对性,提高网络抗干扰能力,通过建立航空网络模型,并根据航空网络拓扑结构和节点流量特点,提出结合改进的复杂度矩阵和节点效率的效率度指标。研究了识别网络影响力节点;并采用连通鲁棒性指标和功能鲁棒性测度航空网络鲁棒性。以华北地区网络进行实证分析,结果表明:效率度指标具有有效性且更加适合航空网络;影响因子比例为α=0. 3、β=0. 7时连通鲁棒性最差,网络节点更趋向与大流量节点相连;影响比例因子为α=0. 4、β=0. 6时功能鲁棒性最差,网络大流量节点位置信息重要性不明显,即不全部位于中心位置会趋于边缘化。

面向社交网热点话题传播的有影响力参与者追踪方法研究

在社交网络媒体上,热点话题由一系列相互联系的事件及其互动信息引起,追踪参与热点话题传播的负能量贡献者,对监测、预警和管控网络舆情具有重要的价值。本文将网络社区话题事件以及其成员之间互动关系映射为社交网络,运用社会性网络分析、离差最大化和类熵距离等方法,计算参与事件交互成员的聚焦指标及其权重、类熵距离、优劣度以及贡献率数值,从而在互联网中找出参与热点话题传播的能量贡献最大者,并运用实证方法验证本文方法的合理有效性。

基于用户影响力的热点话题检测方法研究

[目的/意义]对微博消息进行热点话题挖掘,进而从海量微博文本中实时找出用户关注、讨论的热点事件,是进行舆情监测、应急管理的基础。然而,现有微博热点话题检测研究却大多忽略了不同影响力用户对话题产生及传播的作用,并且检测结果直观性较差。针对此问题,提出了基于用户影响力的热点话题检测方法。[方法/过程]首先识别用户特征要素,构建用户影响力模型,计算用户影响力;然后,综合考虑主题词影响力、影响力增长速度和增长斜率,提出基于用户影响力的微博热点话题主题词抽取方法,抽取主题词簇;之后,识别核心主题词并进行热点话题关键词抽取。最后,通过实验验证方法的有效性。[结果/结论]实验结果表明:基于用户影响力的热点话题检测方法能够有效识别并直观表达出检测时间窗口内的典型热点话题;该方法能有效提升实证性热点话题识别效率,减少娱乐性热点话题的识别;通过对不同时间窗口内同一话题的关键词抽取,可以实现对相应话题的热点跟踪。

基于效率度的航空网络影响力节点识别

航空网络中节点重要性不仅受网络拓扑结构影响还和节点流量紧密相关,由此建立了航空网络模型,提出了基于改进复杂度矩阵和节点使用率的效率度指标,采用节点效率度识别算法识别网络影响力节点。通过实例研究与5种传统的影响力节点识别指标进行对比分析,结果表明:根据网络鲁棒性攻击效率度指标识别的影响力节点时,航空网络会较快地趋于瘫痪,指标适用且有效性高;航空网络中节点流量对运行的影响大于网络拓扑结构。

线上健康社区精神障碍患者行为画像

目的:描述线上健康社区精神障碍患者的行为方式,为精神障碍患者更好地参与线上健康社区来改善病情提供决策支持。方法:选取线上健康社区中773名精神障碍患者,根据其在社区中产生的行为和个体特征等信息,借助用户画像技术分别从兴趣主题、情感倾向以及在线影响力3个维度对患者的行为方式进行描述。结果:社区中女性患者更关注情感交流主题(P<0.01),男性患者更关注资源共享主题(P<0.001);年长患者更关注药物治疗主题(P<0.05),年轻患者更关注社交交友主题(P<0.05)。97.4%的患者表现出明显的情感倾向,且女性和年长患者更倾向表达正向情感(均P<0.05)。患者的在线影响力更符合幂律分布,年长患者的总体影响力和正面影响力更大(均P<0.05)。结论:线上健康社区精神障碍患者的兴趣较为广泛,正向和负向情感表达都有表现,不同年龄段患者之间的在线影响力有差异。

基于情感及影响力的微博用户群体特征分析——以A手机为例

【目的】帮助企业实现精准营销,准确识别企业用户的群体特征。【方法】对微博文本进行情感分析,通过Ward聚类将微博发表者聚类成9类群体,并对微博用户进行影响力识别,从情感和影响力两个维度对各个用户群体进行分析,利用一种改进的客户价值矩阵方法辨别不同用户群体的特征。【结果】实验结果表明:9类用户群体对A手机品牌情感倾向存在较大的差异。A手机更受喜欢追赶时髦的女性群体以及从事IT行业的用户青睐,并且该群体影响力较大,能更有效地影响消费者购买该手机。【局限】在进行用户影响力识别时,仅考虑常用指标,未考虑用户微博被转发之后的级联影响力以及其他影响指标。【结论】本文方法能够较为准确地识别企业用户的群体特征,为企业实现精准营销提供帮助。

综合用户相似性与话题时效性的影响力用户发现算法

社交网络服务每天产生大量涉及众多话题的信息,并在影响力各异的用户群体推动下广泛传播。在IP(influence passivity)算法的基础上,提出了一种综合话题相似性与信息时效性的影响力用户发现算法EIP(extended influence-passivity)。该算法在转发网络上考虑用户间话题的相似性以及博文信息时效性,更加精准地建模和计算用户的影响力和消极性。基于新浪微博上爬取的约10万用户数据集上的实验验证,EIP影响力度量算法优于IP和Tw itterRank等现有方法。