...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Multimedia Tools and Applications >Influential users in Twitter: detection and evolution analysis
【24h】

Influential users in Twitter: detection and evolution analysis

机译：Twitter中有影响力的用户：检测和演变分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we study how to detect the most influential users in the microblogging social network platform Twitter and their evolution over time. To this aim, we consider the Dynamic Retweet Graph (DRG) proposed in Amati et al. (2016) and partially analyzed in Amati et al. (IADIS Int J Comput Sci Inform Syst, 11(2) 2016), Amati et al. (2016). The model of the evolution of the Twitter social network is based here on the retweet relationship. In a DRGs, the last time a tweet has been retweeted we delete all the edges representing this tweet. In this way we model the decay of tweet life in the social platform. To detect the influential users, we consider the central nodes in the network with respect to the following centrality measures: degree, closeness, betweenness and PageRank-centrality. These measures have been widely studied in the static case and we analyze them on the sequence of DRG temporal graphs with special regard to the distribution of the 75% most central nodes. We derive the following results: (a) in all cases, applying the closeness measure results into many nodes with high centrality, so it is useless to detect influential users; (b) for all other measures, almost all nodes have null or very low centrality and (c) the number of vertices with significant centrality are often the same; (d) the above observations hold also for the cumulative retweet graph and, (e) central nodes in the sequence of DRG temporal graphs have high centrality in cumulative graph.
机译：在本文中，我们研究了如何检测微博社交网络平台Twitter中最具影响力的用户及其随着时间的演变。为此，我们考虑了Amati等人提出的动态转推图（DRG）。 （2016年），并在Amati等人的文章中进行了部分分析。 （IADIS Int J Comput Sci信息系统，11（2）2016），Amati等。 （2016）。 Twitter社交网络的演变模型在此基于转发关系。在DRG中，上次转发推文时，我们会删除代表该推文的所有边缘。通过这种方式，我们可以在社交平台上模拟推特生活的衰退。为了检测有影响力的用户，我们考虑以下集中度指标来考虑网络中的中央节点：程度，紧密度，中间度和PageRank集中度。这些措施已在静态情况下进行了广泛研究，我们在DRG时间图的序列上对其进行了分析，并特别关注了75％的大多数中央节点的分布。我们得出以下结果：（a）在所有情况下，将接近度测量结果应用于具有高度集中性的许多节点中，因此检测有影响力的用户毫无用处； （b）对于所有其他度量，几乎所有节点的中心度为零或非常低；并且（c）具有明显中心度的顶点数量通常相同； （d）以上观察结果也适用于累积转发图，并且（e）DRG时间图序列中的中心节点在累积图中具有较高的中心性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号