提出了异质社会网中基于信息熵的影响最大化算法(Influence Maximization algorithm based on Information Entropy in Heterogeneous social networks,IMIEH).首先,考虑不同类型节点所携带信息不同以及不同节点所传递信息不同,提出参...提出了异质社会网中基于信息熵的影响最大化算法(Influence Maximization algorithm based on Information Entropy in Heterogeneous social networks,IMIEH).首先,考虑不同类型节点所携带信息不同以及不同节点所传递信息不同,提出参与熵和交互熵的概念,进而计算节点间的影响权重;然后,基于线性阈值模型,计算节点的全局影响;最后,根据节点的边际增益选择种子集.实验结果表明,与MPIE,SimPath和DAGIM算法相比,提出算法选择的种子集具有更大的影响范围.展开更多
给出了面向多异构社交网络(Multi⁃heterogeneous social network,MHSN)的全局表示模型,建立了MHSN用户空间及内容空间的关联模型,为基于MHSN的后续研究提供借鉴。以MHSN的地域突发事件检测为例,论述了基于内容空间的MHSN的融合方法,并...给出了面向多异构社交网络(Multi⁃heterogeneous social network,MHSN)的全局表示模型,建立了MHSN用户空间及内容空间的关联模型,为基于MHSN的后续研究提供借鉴。以MHSN的地域突发事件检测为例,论述了基于内容空间的MHSN的融合方法,并以微博和贴吧进行了数据采集和突发事件检测的实验分析;以MHSN的用户兴趣挖掘为例,论述了基于用户空间的MHSN的融合方法,并以微博和贴吧进行了数据采集和用户兴趣挖掘的实验分析。结果表明,本文所提的面向MHSN的突发事件融合检测及用户兴趣融合挖掘方法可以有效地改善突发事件检测和用户兴趣挖掘的效果。展开更多
文摘提出了异质社会网中基于信息熵的影响最大化算法(Influence Maximization algorithm based on Information Entropy in Heterogeneous social networks,IMIEH).首先,考虑不同类型节点所携带信息不同以及不同节点所传递信息不同,提出参与熵和交互熵的概念,进而计算节点间的影响权重;然后,基于线性阈值模型,计算节点的全局影响;最后,根据节点的边际增益选择种子集.实验结果表明,与MPIE,SimPath和DAGIM算法相比,提出算法选择的种子集具有更大的影响范围.
文摘给出了面向多异构社交网络(Multi⁃heterogeneous social network,MHSN)的全局表示模型,建立了MHSN用户空间及内容空间的关联模型,为基于MHSN的后续研究提供借鉴。以MHSN的地域突发事件检测为例,论述了基于内容空间的MHSN的融合方法,并以微博和贴吧进行了数据采集和突发事件检测的实验分析;以MHSN的用户兴趣挖掘为例,论述了基于用户空间的MHSN的融合方法,并以微博和贴吧进行了数据采集和用户兴趣挖掘的实验分析。结果表明,本文所提的面向MHSN的突发事件融合检测及用户兴趣融合挖掘方法可以有效地改善突发事件检测和用户兴趣挖掘的效果。
