Extraction of multiple communities based on information diffusion results on a large social network

基于大型社交网络上的信息扩散结果提取多个社区

• 批准号: 23700181
• 负责人: OHARA Kouzou
• 金额: $ 2.66万
• 依托单位: Aoyama Gakuin University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2013
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-23700181/
• 关键词: 社会ネットワーク; コミュニティ抽出; グラフマイニング; データマイニング; 情報工学; ウェブマイニング

In this work, we extracted multiple communities that overlap with each other, but have interest in different things from a large social network on Twitter, a notable microblogging service. To this end, we first extracted information diffusion networks by means of tags and characteristic keywords in articles, as well as results of a topic estimation method (LDA: Latent Dirichlet Allocation). Then, those networks are integrated by means of a graph mining technique that can find frequent patterns from multiple graphs. Namely, information diffusion networks are integrated if they share common substructures whose frequency is equal to or greater than a given threshold. Furthermore, we devised a method of accurately detecting change points in information diffusion sequences around which diffusion speed has changed in order to investigate the features of resulting communities.

在这项工作中，我们从Twitter（一个著名的微博服务）上的大型社交网络中提取了多个彼此重叠但对不同事物感兴趣的社区。为此，我们首先通过文章中的标签和特征关键字以及主题估计方法（LDA：潜在狄利克雷分配）的结果来提取信息扩散网络。然后，这些网络通过图挖掘技术进行集成，该技术可以从多个图中找到频繁模式。也就是说，如果信息扩散网络共享频率等于或大于给定阈值的公共子结构，则信息扩散网络是集成的。此外，我们设计了一种方法，准确地检测周围的扩散速度发生变化的信息扩散序列的变化点，以调查所产生的社区的功能。

项目成果

Predictive Simulation Framework of Stochastic Diffusion Model for Identifying Top-K

用于识别Top-K的随机扩散模型的预测仿真框架

• 作者: Daiki Suehiro;Kohei Hatano;and Eiji Takimoto;Kouzou Ohara;阿南陽子，畑埜晃平，坂内英夫，竹田正幸;Kouzou Ohara
• 通讯作者: Kouzou Ohara

情報拡散モデルに基づくツィート系列からのバースト期間検出

基于信息扩散模型的推文序列突发周期检测

• 发表时间: 2012
• 期刊: 日本データベース学会論文誌
• 作者: 安武翔太;畑埜晃平;瀧本英二;竹田正幸;大原剛三
• 通讯作者: 大原剛三

社会ネットワークの構造的特徴量と情報拡散モデルにおける期待影響度の関係について

社会网络结构特征与信息扩散模型中预期影响的关系

• 发表时间: 2012
• 作者: 大原 剛三;斉藤 和巳;木村 昌弘;元田 浩
• 通讯作者: 元田 浩

情報拡散モデルにおける入出次数相関と期待影響度の関係について

关于信息扩散模型中输入/输出程度相关性与预期影响之间的关系

• 作者: 寺岡和紀;畑埜晃平;瀧本英二;竹田正幸;大原剛三
• 通讯作者: 大原剛三

Detecting changes in content and posting time distributions in social media

• DOI: 10.1145/2492517.2492618
• 发表时间: 2013-08
• 期刊: 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM 2013)
• 作者: Kazumi Saito;K. Ohara;M. Kimura;H. Motoda