个体影响力分析及技术

2. 社区的演化模式
生长 萎缩
合并
分裂 产生 消失
3. 社区演化的关键挑战
社区演化是在得到各时间片的社区结构之后，对相邻时间片 社区结构变化情况进行计算和分析，得到社区演化信息。
社区演化研究中的关键挑战包括：
时间窗口的设定问题 • 时间窗口过大，可能会使社区的重要变化信息淹没 在窗口集成数据中； • 时间窗口过小，窗口数据可能非常稀疏，无法发现 重要信息，增加计算复杂度。 动态社区演化的评价问题 • 事先设定相似社区结构特征，主观性较大。 • 一般方法是建立社区相似度计算方法，并设定一定 阈值和规则，然后根据相邻时间点的社区相似度进 行评价，判断社区演化的不同模式；
基 于 网 响络 力结 计构 算的 个 体 影
1、用户的 influence score 依赖于，所能影响的人数以及这些人的 passivity 。 2、用户的 influence score 还要考虑到所能影响的人专注程度。 3、用户的 passivity score 依赖于，用户能接收到这些人的消息但却没有被影响到。 4、用户的 passivity score 还要考虑到，用户自身的passivity与社区中所有用户 passivity的比值。
01
Leabharlann Baidu
用户之间影响强度
基 于 行 计为 算的 影 响 强 度
基于网络拓扑的影响力度量也存在一些先天缺陷： 首先，研究人员获取的社交网络拓扑都是静态的。 其次，在这样的网络拓扑上，所有连接的权重都是相等或者同分布的，意 味着但凡有连接的用户彼此之间具有相同的影响力，或者社交网络中用户之间 的影响力满足简单的概率函数。 在线社交网络中的用户行为有：发布信息、购买商品、话题评论、转发信 息、建立好友关系等。通过分析这些行为的分布规律和因果关系，就能够评估 行为的发起者和传播者之间的影响力。 Goya Amit.《Learning influence probabilities in social network》 利用日志信息分别计算了用户和行为自身的影响力：
02
影响力个体发现
HITS算法
最初应用在搜索引擎中，根据一个网页的中心度(Hub)和权威度(Authority)来 衡量网页重要性。 权威网页：一个网页被多次引用；一个网页虽然没有被多次引用，但是被重要 的网页引用。这种网页称为权威网页。 中心网页：提供指向权威网页的链接集合的网页，它本身可能并不重要，或者 说没有几个网页指向它，但是它提供了指向就某个主题而言，最为重要的站点 的集合，比如导航类网站。
4. 社区演化的评价方法
（1）基于时空独立评价的方法
• 社区结构评价和演化评价完全独立无关。 • 发现隐含社区的演化规律，并从社区演化情况中 发现突发群体事件和异常变化情况。 • 对社区演化的分析一般从网络节点、边、子结构、 权值、内容等多方面进行。
4. 社区演化的评价方法
（2）基于时空集成评价的方法
优化
2.2 部分常用算法

如何在异构、多属性的社交网络中发现高影响力用户，分析社 交网络中用户之间的影响强度，是快速变化的网络时代信息决 策的一个关键问题。
01
用户之间影响强度 影响力个体发现
02
01

用户之间影响强度定义
社交网络个体之间相互影响的程度，通常由个体之间的网络距 离、行为模式等属性决定，简单地理解，即表示社会网络中边 的定量大小。
02
影响力个体发现定义

其主要利用个体自身影响力的排名技术，由网络结构、活跃行 为等属性决定，简单地理解，即表示社会网络中节点的定量大 小。
01
用户之间影响强度
基 于 网 度络 计结 算构 的 影 响 强
1.基于共同邻居数目的影响强度计算 3. 基于转载频度的影响强度计算 利用社会网络中两节点的共同邻居数目来计算节点间的影响强度，共同邻居 2. 基于边介数的影响强度计算 用有向多重图表示节点间的影响力，弧的重数代表芾点间的权重大小，弧的方 数目越多，则影响强度越高，利用杰卡德相似系数计算两节点的影响强度。 边介数即社会网络中经过某条边的流的总数，通常以经过某条边的最短路径总 向表示影响力的作用方向。 数来度量流的总数。因此，社交网络中经过某条边e的最短路径数目值越高， 则说明该边的两个体之间影响强度越高。
• 基于社交网络的短时平滑性特 点。 • 空间社区评价和演化评价集成 到一起，综合评价。 • 将空间评价和时态评价集成在 一个统一框架中，反映社区结 构演化的连续性，得到核心稳 定的社区拓扑。 • 无法及时发现异常演化和由于 事件引起的群组突现等。
如图所示的演化关系 中考虑到了相邻时间 快照和任意时间跨度 间社区结构的关系， 发现了信息稳定的动 态社区结构。
2. 个体影响力分析及技术

随着国内外大量在线社交网络服务的涌现，针对社交网络个体影响 力分析的相关研究引起了国内外学者的高度关注。在社会学、通信 学、经济学、政治科学等领域被广泛研究，在舆情引导与社会运作 中起着重要作用。
2.1 应用

少部分用户使用社交网络服务，制造、传 播舆论，其观点往往影响大批粉丝和舆论 走向。

对于给定的topic t，follower si转移到friend sj的转移概率定义为Pt



|Tj|是sj发表的tweet数。 分母是si的所有friend发表的tweets总数。 一个人在topic t下发表的tweets越多， 转移概率就越大。
社区演化
汇报：胡玉姣
社区演化包括以下方面内容：
5. 社区演化的研究难点及发展趋势
短时平滑性假设的局限性 • 物理世界环境、事件带来的交互突变。 • 平滑性假设成立的短期限定是和领与紧密相 关的，具体的短时约定也是重要挑战。 多元异质信息集成的动态社区发现 • 如何将动态变化的语义信息、社会信息、交 互信息等多源信息有效综合进行动态社区发 现、预测。 面向网络大数据的统计推断概率模型设计和算法
社会网络分析 --个体影响力分析及技术
汇报：谢佳
1.社会网络分析定义

社会网络分析主要是研究社会实体的连结关系以及这些连结关系的 模式、结构和功能。 同时也可用来探讨社区众个体间的关系以及由个体关系所形成的结 构及其内涵。 换句话说，社会网络分析的主要目标是从社会网络的潜在结构中分 析发掘其中次团体之间的关系动态。
4. 社区演化的评价方法
（3）基于统一评价的方法
• 摒弃社区质量和时间轴演化评价割裂的局限性。 • 图重构问题。 • 利用机器学习中统计推断的技术，从内部模拟网 络结构形成和演化情况，建立生成式概率模型， 以实际观察网络为监督，以所建立的隐结构高概 率生成网络是否与真实交互网络拟合为评价标准， 综合观察网络和一定约束条件建立目标优化模型。 • 主要手段：基于贝叶斯推断的概率生成图模型、 狄利克雷过程模型、块模型
基 于 网 响络 力结 计构 算的 个 体 影
对网络图中的每个节点vi ， a(vi )为该节点的权威度， h(vi )为该节点的中心度。
02
影响力个体发现
IP算法
IP算法度量Twitter中个体影响力。 名气和影响力没什么关联，比人们期望的弱得多，关注者多不等于有影响 力，重要的是有多少人愿意转发你的消息。 最简单测量你的名气和影响力之间关系的是，发布一个能统计点击次数的 网址，看看到底有多少人从你的这条 Twitter 点击，别管你有多少万关注者，你 是否有足够的影响力让人点击一个链接。 所以为了让一个人有影响力，不应该仅仅停留在吸引别人的注意从而变得 有名上，还需要让用户克服他们的消极性(passivity)。
02
影响力个体发现
基 于 网 响络 力结 计构 算的 个 体 影
对每条边定义接受率，表示 用户j对用户i的认可度
对每条边定义拒绝率
02

影响力个体发现
基 于 话 题 计的 算个 体 影 响 力
社交网络中，用户在不同话题中的影响力通常存在差异性。 在Twitter数据集上，根据关注网络和用户兴趣相似性，计算个体在每 个话题上的影响力。
1. 社区演化的含义 2. 社区的演化模式 3. 社区演化的关键挑战 4. 社区演化的评价方法 5. 社区演化的研究难点及发展趋势
1. 社区演化的含义
社区演化是网络中个体行为和个体之间交互形成
的结果。 社区演化以观察动态网络中的隐含社区结构变化 过程为目标，主要着眼于评价不同时间片段中社 区结构的变化情况。