现有关于社交网络结构影响问题的研究多聚焦于用户与其邻居之间的相互影响,然而在若干邻居不同关联关系所形成的拓扑结构之间也会产生影响,即结构影响。对结构影响问题进行研究,构建基于邻居结构的影响传播模型NS-IC。根据独立传播模型思想计算不同邻居结构的影响概率作为模型参数,并通过期望最大化算法进行学习。在微博数据集上的实验结果表明,NS-IC模型预测的均方误差、精度和准确率均优于StructInf-Basic方法,同时表明高概率的影响结构能够显著改善用户转发行为的预测效果。
科研之友
微信
新浪微博
Facebook
分享链接
