WSDMFeb, 2017

社交媒体中自我网络的演化与链接推荐

PDF
TL;DR通过分析来自 Flickr 和 Tumblr 的 170M 个自我网络的完整时间演变，我们发现自我网络的演变是爆发性的、社区驱动的，有后续的直径增加、轻微收缩和稳定阶段。 推荐系统有利于流行和连接紧密的节点，限制了直径的展开。 推荐系统引入的偏差促进了邻居选择的全局多样性。最后，我们通过两个链接预测实验展示了如何利用我们分析的见解来提高社交推荐系统的效果。
ego-networkslink recommender systemsnetwork evolutiondiversitysocial recommender systems
发现论文，激发创造
  • 利用自我网络层的力量在在线社交网络中进行链接预测

    本文提出利用社交认知理论来改善在在线社交网络中的链接预测算法，并探讨了利用社交圈子意识来扩展特征提取算法并验证其预测性能的方法，在社交圈子意识的算法中，预测性能得到了显著的提升，打败了一些最先进的解决方案，同时也可以用于针对特定类别的用户进行定向营销。

    Sep, 2021

  • 动态社交网络中基于进化算法的链接预测

    描述、解释网络动态变化的关键挑战之一是预测短期和长期变化，在考虑增强节点属性和网络拓扑特征的基础上，应用 CMA-ES 优化 16 个邻域和节点相似性指数的权重来预测未来的链接，从而为推特回复网络的演化提供一些计算机建模的线索。

    Apr, 2013

  • 在自我网络中发现社交圈

    通过多成员节点聚类算法，结合网络结构和用户个人信息，自动识别和组织社交网络中的朋友圈，并能够检测出重叠和分层嵌套朋友圈，实验结果证明该模型能够准确地识别 Facebook、Google + 和 Twitter 等多种社交媒体数据的朋友圈。

    Oct, 2012

  • 科学合作社交网络的演化

    对科学家的合著网络进行了研究，发现网络是规模自由的，演化受到优先连接的影响，并提出一个简单模型，用数值模拟揭示了一些数量的行为。

    Apr, 2001

  • 一种带有社群结构的演化网络模型

    本文提出了一种基于内部社区优先附着和社区间优先附着机制的演化网络模型，分析了此网络模型的度分布，理论结果和数值模拟表明，该网络模型具有社区结构和无标度特性。

    Oct, 2005

  • 超图自我网络及其时间演化

    本文提出了用超图的 ego 网络结构建模高阶单节点交互，并提出了超图 ego 网络的时间重构作为预测超图局部时空结构的模型的基准问题。研究者们将深度学习二元分类器与爬山算法相结合，以跨多种领域找到的结构模式为基础，提出了重构超图 ego 网络的模型。

    Dec, 2021

  • 社交属性网络的演变：使用 Google+ 进行测量，建模和影响分析

    通过对 Google+ 社交网络的研究，我们发现将用户属性加入社交网络结构能够更细致地理解社交网络，并提出了一个新的生成模型以准确地再现社交和属性结构，为实际应用环境提供更准确的预测。

    Sep, 2012

  • 社交群体演化的量化

    本研究基于团块渗透，首次研究了大规模网络中重叠社区的时间演化规律，发现动态改变成员组成有利于大型社区的生存而不利于小型社区，同时成员对社区的时间承诺可预测社区的寿命。这些发现揭示了小组和大型机构动态差异的新视角。

    Apr, 2007

  • 模拟新闻推荐生态系统以求利益和乐趣

    本文提出了一种模拟平台 SimuLine，对新闻推荐生态系统的进化过程和基本机制进行了详细的分析，并从产品生命周期理论的角度，探讨了推荐系统设计策略（包括冷启动新闻、突发新闻和推荐）对进化过程的影响，为设计更有效的新闻推荐系统提供了新思路。

    May, 2023

  • 链接推荐的延迟和间接影响

    研究了链接推荐对社交网络的影响，并采用基于模拟的方法考虑显式动态形成模型对链接推荐会对网络演化产生怎样的影响以及它是如何影响网络结构形态，并在长时间维度上展现了相对较强的影响力，此外也提到了它产生的间接影响，这些影响在推荐关闭后仍然会持续影响网络进化。

    Mar, 2023