为了充分考虑微博的跨领域与领域交叉性特点,提出了基于领域的微博用户影响力的计算方法.该方法依据用户的微博内容与ODP领域本体的相似度,通过KNN领域分类算法判别微博所属的领域;并根据用户的粉丝数、被提及数、被评论数、在线时间与注册时间、微博的转发数等参数运用影响力计算公式分别计算用户在各领域的影响力,从而确定微博用户在各领域的影响力大小.实验表明,本文的计算方法充分考虑了微博的跨领域性与领域交叉性特点,并能更好地计算用户在各领域的影响力大小.
2022-04-27 20:06:53
2.45MB
1
1、内容概要：社交网络影响力最大化（Python实现）及Wiki-Vote数据集。（1）线性阈值模型（LT模型）代码实现（代码有详细注释）；（2）LT模型改进算法-贪心算法代码实现（代码有详细注释）；
2、源代码适用于学生或研究者等人，该研究方向的学生可以对源代码及相关论文进行学习实验。
3、影响力最大化的应用场景十分丰富，包括病毒营销，推荐系统，信息扩散，时间探测，专家发现，链接预测等。
4、主要文件有：BAcreate.py，linear_threshold.py，linear_threshold_clime.py，LT_improve.py，test_linear_threshold.py，test_linear_threshold_clime.py，Wiki-Vote.txt。
2022-04-09 12:06:30
47KB