融入度相关性与社区识别的社交网络舆情信源发现方法
The Method Used to Discover the Information Source of Social Network Public Opinion Integrated with Degree Correlations and Community Identification
查看参考文献23篇
|
文摘
|
近年来,社交网络的不断发展提升了网络信息传播的速度,故识别能使舆情信息影响力最大化的最小节点集已成为信息科学的重要问题之一.文章融入度相关性与社区识别,设计DCCI社交网络环境的舆情信源集发现方法,并在网络中对所提方法进行验证.由实验结果可知,文章所提算法的精度略优于其他算法,且运行效率较高. |
|
其他语种文摘
|
In recent years, the continuous development of social networks has improved the speed of network information transmission, so the identification of the minimum node set that can maximize the influence of public opinion information has become one of the important issues in information science. This paper integrates degree correlation and community identification, designs a method to find public opinion information source set in the DCCI social network environment, and verifies the proposed method in the network. The experimental results show that the accuracy of the proposed algorithm is slightly better than other algorithms, and the running efficiency is higher. |
|
来源
|
系统科学与数学
,2021,41(9):2492-2504 【核心库】
|
|
关键词
|
度相关性
;
社区识别
;
社交网络
;
舆情信源发现
;
影响力最大化
|
|
地址
|
1.
浙江工商大学管理工程与电子商务学院, 杭州, 310018
2.
浙江工商大学统计与数学学院, 杭州, 310018
3.
宁波诺丁汉大学商学院, 宁波, 315175
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-0577 |
|
学科
|
社会科学总论;数学 |
|
基金
|
国家自然科学基金
;
浙江省哲学社会科学重大课题
|
|
文献收藏号
|
CSCD:7087130
|
参考文献 共
23
共2页
|
|
1.
饶元. 跨媒介舆情网络环境下信息传播机制研究与进展.
中国科学:信息科学,2017,47(12):1623-1645
|
被引
4
次
|
|
|
|
|
2.
Kempe D. Maximizing the spread of influence through a social network.
Theory Computing,2015,11:10-47
|
被引
1
次
|
|
|
|
|
3.
王家坤. 基于用户相对权重的在线社交网络舆情传播控制模型.
系统工程理论与实践,2019,39(6):1565-1579
|
被引
10
次
|
|
|
|
|
4.
汪林玉. 基于个人意愿的社会网络团体结构与信息检测方案.
电子学报,2019,47(4):886-895
|
被引
3
次
|
|
|
|
|
5.
中国互联网络信息中心.
第45次中国互联网络发展状况统计报告,2020:7-24
|
被引
1
次
|
|
|
|
|
6.
中国互联网络信息中心.
2019年全国未成年人互联网使用情况研究报告,2020:2-46
|
被引
1
次
|
|
|
|
|
7.
Morone F. Influence maximization in complex networks through optimal percolation.
Nature,2015,524(7563):65-68
|
被引
45
次
|
|
|
|
|
8.
袁得嵛. 基于拓扑扩展的在线社交网络恶意信息源定位算法.
计算机科学,2019,46(5):129-134
|
被引
2
次
|
|
|
|
|
9.
陈业华. 基于随机模型的群体性突发事件舆情演化研究.
系统科学与数学,2017,37(11):2232-2244
|
被引
6
次
|
|
|
|
|
10.
Hosseini-Pozveh M. A community-based approach to identify the most influential nodes in social networks.
Journal of Information Science,2017,43(2):204-220
|
被引
1
次
|
|
|
|
|
11.
Zan Y. SICR rumor spreading model in complex networks: Counterattack and self-resistance.
Physica A: Statistical Mechanics and Its Applications,2014,405:159-170
|
被引
8
次
|
|
|
|
|
12.
林燕霞. 复杂交互行为影响下的网络舆情演化分析.
中国管理科学,2020,28(1):212-221
|
被引
11
次
|
|
|
|
|
13.
张连峰. 基于超网络理论的微博舆情关键节点挖掘.
情报学报,2019,38(12):1286-1296
|
被引
5
次
|
|
|
|
|
14.
肖倩. 一种融合LDA与CNN的社交媒体中热点舆情识别方法.
情报科学,2019,37(11):27-33
|
被引
2
次
|
|
|
|
|
15.
Newman M E J. Assortative mixing in networks.
Physical Review Letters,2002,89(20):208701
|
被引
232
次
|
|
|
|
|
16.
李凯. 突发公共危机中伪信息扩散中的影响力群体效应分析.
系统管理学报,2018,27(6):1093-1098
|
被引
1
次
|
|
|
|
|
17.
Erkol S. Systematic comparison between methods for the detection of influential spreaders in complex networks.
Scientific Reports,2019,9:15095
|
被引
1
次
|
|
|
|
|
18.
Iannelli F. Influencers identification in complex networks through reaction-diffusion dynamics.
Physical Review. E, Statistical, Nonlinear, and Soft Matter Physics,2018,98:062302
|
被引
1
次
|
|
|
|
|
19.
张树森. 社会网络角色识别方法综述.
计算机学报,2017,40(3):649-673
|
被引
9
次
|
|
|
|
|
20.
Barthelemy M. Velocity and hierarchical spread of epidemic outbreaks in scale-free networks.
Physical Review Letters,2004,92(17):178-191
|
被引
45
次
|
|
|
|
|
了解气象卫星更多信息，请访问