社交网络的传播测量与时间序列聚类分析
对社交网络的信息传播进行时间序列聚类是研究其规律非常有效的方法.目前,相关的工作特别是针对国内社交网络的时间序列聚类研究,还不够深入.对时间序列聚类算法K-SC算法进行了针对性的改进,提出的T-SC算法借鉴了凝聚层次聚类的思想解决了聚类个数设置的难题.对人人网、腾讯微博和百度贴吧三个国内非常有代表性的社交网络进行了大量的测量和分析工作,并运用T-SC算法对测量数据进行了聚类分析.研究发现了不同社交网络典型而又互不相同的传播模式:人人网的视频分享呈现明显的周期性,每个周期内的分享传播存在一个主流的模式,该模式与一天之中不同时段人人网的在线人数变化趋势非常相近;腾讯微博的转发传播呈现爆发性,绝大多数的转发出现在微博发出后的48小时之内,其主流的传播模式是微博发出后大量传播并迅速消失;百度贴吧帖子的生命期很长,但是没有一个占主导地位的传播模式.本文创新性的将聚类分析的结果应用于信息传播的预测,根据已知的传播时间序列,得到未来信息传播行为在聚类层面的预测,为解决传播预测的难题提供了新的思路.
社交网络、测量、时间序列、聚类分析、传播预测
36
TP393(计算技术、计算机技术)
国家科技重大专项项目2012ZX03005001;国家自然科学基金项目61170292、61161140454;国家“八六三”高技术研究发展计划项目2013AA013302;国家“九七三”重点基础研究发展计划项目2012CB315803;清华信息科学与技术国家实验室筹学科交叉基金
2016-09-18（万方平台首次上网日期，不代表论文的发表时间）
共8页
1545-1552
