基于多关系网络的话题意见领袖挖掘

摘要：

社交网络中的意见领袖在信息传播过程中起着重要的作用.传统的意见领袖挖掘仅基于网络结构,没有考虑特定话题或者事件下的作用,且目前基于话题的意见领袖挖掘仅基于单一的网络结构,并没有考虑到节点间的多种交互关系.本文提出一种基于多关系网络的话题意见领袖挖掘方法(Multi?relational networks,MRTRank),融合话题因素和节点间多种交互关系,通过一种属性网络表示学习算法,得到不同节点在多关系网络上的相似性,形成节点的转移概率矩阵,最终通过PageRank算法得到top?k个意见领袖.在真实Twitter数据集上的实验结果验证了本文提出的方法优于传统的意见领袖挖掘算法.

关键词：意见领袖、两级传播、社交网络、PageRank、属性网络表示学习

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;国防科技创新特区项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：576-585