Please wait a minute...
Advanced Search
数据分析与知识发现  2018, Vol. 2 Issue (2): 46-57    DOI: 10.11925/infotech.2096-3467.2017.0898
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
基于社交网络的信息扩散分析研究*
张凌1(),罗曼曼1,朱礼军2
1(武汉科技大学管理学院 武汉 430081)
2(中国科学技术信息研究所 北京 100038)
Analyzing Information Dissemination on Social Networks
Ling Zhang1(),Manman Luo1,Lijun Zhu2
1(School of Management, Wuhan University of Science and Technology, Wuhan 430081, China)
2(Institute of Scientific and Technical Information of China, Beijing 100038, China)
全文: PDF(4324 KB)   HTML
输出: BibTeX | EndNote (RIS)      
摘要 

目的】针对社交网络中的营销信息扩散过程进行分析, 识别最优扩散节点。【方法】以华为Mate 9手机为例, 研究Twitter网络中人们发布、转发、评论等用户关系网络, 对信息扩散过程进行分析与建模。最后通过独立级联模型对网络进行扩散预测, 探索基于不同度量指标选择的初始扩散节点对信息扩散的影响。【结果】仿真结果表明: 基于高入度中心性可激活节点数最多, 激活节点总数达到所有节点的23.54%; 基于高出度中心性节点激活总数非常低, 只能激活不到3%的节点。【局限】独立级联模型的参数设置有进一步优化空间。【结论】企业除了需要关注官方节点外, 提前预知并合理利用“意外”节点对于市场营销人员获取市场反馈具有很强的现实意义。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张凌
罗曼曼
朱礼军
关键词 社交网络信息扩散独立级联模型    
Abstract

[Objective] This study analyzes the dissemination of marketing information on social network systems, aiming to identify the most influential nodes. [Methods] We collected Twitter data on Huawei Mate 9 smartphone to analyze users’ information behaviors like tweeting, retweeting and commenting. First, the network topology was described as topology structure diagram; Second, we examined scales of the network; Finally, we used independent cascade model (ICM) to simulate information dissemination. [Results] We found that initial active nodes selection based on the new measurements performed well. [Limitations] The parameters of ICM could be optimized. [Conclusions] The enterprises should pay attention to both official and accidental nodes to retrieve feedback from the market.

Key wordsSocial Network    Information Propagation    Independent Cascade Model
收稿日期: 2017-09-07     
基金资助:*本文系国家社会科学基金青年项目“动态社交网络中的信息扩散优化机理研究”(项目编号:15CTQ029)的研究成果之一
引用本文:   
张凌,罗曼曼,朱礼军. 基于社交网络的信息扩散分析研究*[J]. 数据分析与知识发现, 2018, 2(2): 46-57.
Ling Zhang,Manman Luo,Lijun Zhu. Analyzing Information Dissemination on Social Networks. Data Analysis and Knowledge Discovery, DOI:10.11925/infotech.2096-3467.2017.0898.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2017.0898
图1  NodeXL数据抽取操作及存储格式
图2  华为Mate 9手机Twitter社交网络拓扑结构
图3  部分核心节点网络状态
度量指标 有向网络
自我网络
节点关系类型 隐性
节点数量 5 791
非重复边数量 8 386
重复边数量 0
密度 0.00019
连通的分支数 1 887
分支包含的节点最大值 3 270
分支包含的弧最大值 7 496
直径 13
平均距离 4.351803
表1  网络结构特点
中心性度量指标
最小度数 1
最大度数 1 032
平均度数 2.889
最小出度 0
最大出度 25
平均出度 1.448
最小入度 0
最大入度 1 031
平均入度 1.448
最小中介中心性 0
最大中介中心性 5 027 993.179
平均中介中心性 6 197.929
表2  网络度量指标
图4  节点入度分布及双互补累积分布
排序 度数中
心性
节点名称 入度
中心性
节点名称 中介
中心性
节点
名称
出度
中心性
节点名称 PageRank 节点名称
1 1 032 Huaweimobile 1 031 Huaweimobile 5 027 993 Huaweimobile 25 Huawei_japan_pr 231.307 Huaweimobile
2 950 Androidauth 950 Androidauth 3 241 558 Huaweimobileuk 23 Freeconteston 212.029 Androidauth
3 901 Huaweimobileuk 897 Huaweimobileuk 2 025 392 Huawei_japan_pr 16 Huaweimobileksa 207.336 Huaweimobileuk
4 896 Threeuk 890 Threeuk 1 890 664 Threeuk 10 Techzilla_ 205.538 Threeuk
5 253 Youtube 253 Youtube 1 878 324 Youtube 9 Majuzub 108.85 Nobunaga_s
6 239 Nobunaga_s 238 Nobunaga_s 1 783 357 Androidauth 9 Metrini 89.447 Youtube
7 139 Androidheadline 137 Androidheadline 1 487 036 Nobunaga_s 9 Evankirstel 35.182 Droid_life
8 135 Huawei 134 Huawei 1 437 168 Rkii2306 8 Facingchina 32.52 Huawei
9 128 Jet 128 Jet 1 095 189 Huawei 8 Brit_08462 31.81 Androidheadline
10 91 Huawei_japan_pr 89 Droid_life 942 200 Majuzub 8 Jeenar1967 29.498 Huawei_japan_pr
表3  基于5种不同度量指标的初始节点选择
图5  基于不同指标和不同数量选择的初始活跃点集ICM模拟结果
图6  ICM信息扩散网络拓扑(高中介中心性节点为初始激活节点)
图7  Androidheadline节点分支组随初始活跃节点数目激活状态变化
节点名 Sub-graph 类别 Degree Betweenness PageRank Indegree Ave
Huaweimobile 华为官方 1 1 1 1 1
Huaweimobileuk 华为英国 3 2 3 3 2.75
Huawei 华为官方 10 11 10 10 10.25
Huawei_japan_pr 华为日本 13 5 12 13 13
Huaweimobileksa 华为阿拉伯 14 18 14 15 15.25
Huaweimobileesp 华为西班牙 33 254 18 18 80.75
Huaweimobilemy 华为吉隆坡 17 310 20 17 91
表4  最优扩散节点及其各项指标排名(华为官方)
节点名 Sub-graph 类别 Degree Betweenness PageRank Indegree Ave
Nobunaga_s 日本明星 6 7 5 6 6
Princepipo 泰国用户 15 258 15 14 75.5
Majuzub 日本人类学学者 55 10 69 172 76.5
Metrini 爱丁堡大学学者 56 16 98 339 127.25
Rkii2306 日本安卓爱好者 2 329 8 2 252 2 571 1 790
表5  最优扩散节点及其各项指标排名(普通用户)
节点名 Sub-graph 类别 Degree Betweenness PageRank Indegree Ave
Hamadsalleeh 阿拉伯手机评测 19 27 17 19 20.5
Khajochi 泰国苹果爱好者 16 262 16 16 77.5
This_is_e 保加利亚数码评测 22 329 26 22 99.75
表6  最优扩散节点及其各项指标排名(数码评测)
节点名 Sub-graph 类别 Degree Betweenness PageRank Indegree Ave
Androidauth 资讯媒体 2 6 2 2 3
Threeuk 资讯媒体 4 4 4 4 4
Youtube 资讯媒体 5 5 6 5 5.25
Androidheadline 安卓头条 7 24 9 7 11.75
Jet 手机购物 9 17 13 9 12
Droid_life 安卓资讯 12 19 9 12 13
Androidcentral 手机购物 20 23 22 22 21.75
Wsj 华尔街新闻 21 26 24 21 23
Xataka 科技资讯 26 44 21 24 28.75
Techzilla_ 科技评论 41 13 57 118 57.25
Freeconteston 抽奖平台 23 308 19 117 116.75
Mobilenewsmag 英国手机资讯 327 15 2 175 2 411 1 232
表7  最优扩散节点及其各项指标排名(资讯媒体)
图8  意外节点的推文内容
图9  Rkii2306节点局部结构放大
[1] Milgram S.The Small-World Problem[J]. Psychology Today, 1967, 1(1): 61-67.
[2] 王萍. 社会化网络的信息扩散研究[J]. 情报杂志, 2009, 28(10): 39-42.
doi: 10.3969/j.issn.1002-1965.2009.10.009
(Wang Ping.Study of Information Diffusion in Social Networks[J]. Journal of Intelligence, 2009, 28(10): 39-42.)
[3] Even-Dar E, Shapira A.A Note on Maximizing the Spread of Influence in Social Networks[C] // Proceedings of International Workshop on Web and Internet Economics (WINE 2007: Internet and Network Economics). Springer Berlin Heidelberg, 2007: 281-286.
[4] Goldenberg J, Libai B, Muller E.Talk of the Network: A Complex Systems Look at the Underlying Process of Word-of-Mouth[J]. Marketing Letters, 2001, 12(3): 211-223.
doi: 10.1023/A:1011122126881
[5] Granovetter M.Threshold Models of Collective Behavior[J]. American Journal of Sociology, 1978, 83(6): 1420-1443.
doi: 10.1086/226707
[6] Hethcote H W.The Mathematics of Infectious Diseases[J]. SIAM Review, 2000, 42(4): 599-653.
doi: 10.1137/S0036144500371907
[7] 彭慧洁, 朱君璇. 微信网络的信息传播模型研究[J]. 现代情报, 2016, 36(11): 37-42.
(Peng Huijie, Zhu Junxuan.Research on Information Dissemination Model in WeChat Network[J]. Journal of Modern Information, 2016, 36(11): 37-42.)
[8] 刘东亮, 黄颖, 毛海宇, 等. 基于社交网络的信息传播机制研究[J]. 情报科学, 2015, 33(8): 30-34.
(Liu Dongliang, Huang Ying, Mao Haiyu, et al.Study of Information Broadcasting Mechanism Based on Social Network[J]. Information Science, 2015, 33(8): 30-34.)
[9] 杨帅帅. 信息扩散最大化问题的新优化算法[D]. 广州: 华南理工大学, 2016.
(Yang Shuaishuai.New Optimal Algorithm on Information Diffusion Maximization Problem [D]. Guangzhou: South China University of Technology, 2016.)
[10] 李亚娇. 在线社交网络中知识扩散的模式研究[D].扬州: 扬州大学, 2016.
(Li Yajiao.Research on Knowledge Diffusion Patterns in Online Social Networks[D].Yangzhou: Yangzhou University, 2016.)
[11] Akrouf S, Meriem L, Yahia B, et al.Social Network Analysis and Information Propagation: A Case Study Using Flickr and Youtube Networks[J]. International Journal of Future Computer and Communication, 2013, 2(3): 246-252.
doi: 10.7763/IJFCC.2013.V2.161
[12] 李隆. 社交网络影响力最大化的多目标优化方法研究[D]. 合肥: 合肥工业大学, 2016.
(Li Long.An Multi-Objective Optimization Method of Influence Maximization in Social Networks[D]. Hefei: Hefei University of Technology, 2016.)
[13] 刘晓芳, 秦江涛. 基于Twitter 的信息传播仿真研究[J]. 科技与管理, 2014, 16(2): 49-52.
(Liu Xiaofang, Qin Jiangtao.Simulation of Information Diffusion on Twitter[J]. Science-Technology and Management, 2014, 16(2): 49-52.)
[14] Kleinberg J M.Authoritative Sources in a Hyperlinked Environment[C]// Proceedings of the ACM-SIAM Symposium on Discrete Algorithms. 1998.
[15] Page L, Brin S, Motwani R, et al.The PageRank Citation Ranking: Bringing Order to the Web[R]. Stanford InfoLab, 1999.
[16] Smith M A, Shneiderman B, Milic-Frayling N, et al.Analyzing (Social Media) Networks with NodeXL[C]// Proceedings of the 4th International Conference on Communities and Technologies, Pennsylvania,USA. 2009: 255-264.
[17] Batabasi A L, Albert R, Jeong H.Meanfield Theory for Scalefree Random Networks[J]. Physica A: Statistical Mechanics and Its Applications, 1999, 272(1-2): 173-187.
doi: 10.1016/S0378-4371(99)00291-5
[18] Albert R, Jeong H, Barabasi A L.Diameter of the World Wide Web[J]. Nature, 1999, 401: 130-131.
doi: 10.1038/43601
[19] Durrett R.Lecture Notes on Particle Systems and Percolation[M]. Brooks/Cole Pub Co., 1988.
[20] Brandes U.A Faster Algorithm for Betweenness Centrality[J]. Journal of Mathematical Sociology, 2001, 25(2): 163-177.
doi: 10.1080/0022250X.2001.9990249
[21] Kwak H, Lee C, Park H, et al.What is Twitter, a Social Network or a News Media?[C]//Proceedings of the 19th International Conference of World Wide Web (WWW 2010), Raleigh, USA.2010: 591-600.
[22] Weng J, Lim E P, Jiang J, et al.TwitterRank: Finding Topic-sensitive Influential Twitterers[C]//Proceedings of the 3rd ACM International Conference on Web Search and Data Mining (WSDM 2010), New York, USA. 2010: 261-270.
[1] 曾金,陆伟,丁恒,陈海华. 基于图像语义的用户兴趣建模*[J]. 数据分析与知识发现, 2017, 1(4): 76-83.
[2] 叶光辉, 夏立新. 专家检索与专家排名研究评述*[J]. 数据分析与知识发现, 2017, 1(2): 1-10.
[3] 王曰芬,贾新露,傅柱. 学术社交网络用户内容使用行为研究*——基于科学网热门博文的实证分析[J]. 现代图书情报技术, 2016, 32(6): 63-72.
[4] 许鑫, 翟姗姗, 姚占雷. 学术博客的学科交互实证分析——以科学网博客为例[J]. 现代图书情报技术, 2015, 31(7-8): 13-23.
[5] 刘郝霞, 彭商濂. 一种基于邻近节点影响强度标签传播社区发现方法[J]. 现代图书情报技术, 2015, 31(4): 58-64.
[6] 吴昊, 刘东苏. 社交网络中的好友推荐方法研究[J]. 现代图书情报技术, 2015, 31(1): 59-65.
[7] 何静, 郭进利, 徐雪娟. 微博用户行为统计特性及其动力学分析[J]. 现代图书情报技术, 2013, 29(7/8): 94-100.
[8] 王嘉琦, 徐朝军, 李艺. 基于LDA模型的社交网站自动量化评价研究[J]. 现代图书情报技术, 2013, 29(3): 58-64.
[9] 牛亚真, 祝忠明. 个性化服务中跨系统用户建模方法研究综述[J]. 现代图书情报技术, 2012, 28(5): 1-6.
[10] 俞琰, 邱广华, 陈爱萍. 基于混合图的在线社交网络朋友推荐算法[J]. 现代图书情报技术, 2011, (11): 54-59.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn