基于属性网络嵌入的社会网络意见领袖发现算法

(西华大学计算机与软件工程学院 四川 成都 610039)

一、引言

随着社交媒体平台的出现和扩展，人们相互交流的方式发生了巨大的变化。通过社交网站、意见分享网站、微博等，人们可以自由地相互交流，表达自己的个人经验、对某一产品的感受，甚至对政治、经济问题的看法。能够影响和改变他人观点的人被称为意见领袖。识别这些异常和有影响力的个体的任务被定义为意见领袖检测[2]。

不同领域的学者试图利用不同领域的技术来解决这个问题。例如，赵等人[3]提出了一种结合影响力最大化算法和标签传播的方法来识别具有社区结构的社交网络中的意见领袖。段[4]将聚类算法与情绪分析相结合，寻找意见领袖。李等人[5]提出了在线学习社区中意见领袖识别的混合框架。使用随即游走框架[6]最典型的方法是PageRank算法[7]，它根据节点接收到的链接计算任意节点(如网页)的重要性。PageRank设置在随机游走中每个邻居节点具有相同的转移概率，每个节点在重新启动随机游走时被选择为开始节点的概率相等。这些假设不符合社交网络平台中用户交互的特点，因此开发了一系列改进算法，利用主题模型、意见挖掘、情绪分析、社区发现、用户关系强度分析等技术来解决这些不足。其他技术的引进为改进随机游走模型提供了独特的视角。

近年来，网络表示学习(network representation learning)引起了人们的广泛关注。网络嵌入是利用低维、实值、稠密的向量形式来表示网络中的节点。……