一种评估社会网络中重叠社区影响力的方法

摘要

社会影响力分析是社会网络研究的热点问题之一.针对社会影响力的研究,目前主要集中于社会网络中个体节点影响力的分析,而对社区级的社会影响力的研究却很少涉及.从一个全新的角度提出一种评估重叠社区影响力的方法.该方法主要包含两个部分:（1）评估每对节点（用户、实体）间的相互影响力,为了量化该影响力,提出一个相互评价学习模型MEL（Mutual Evaluation Learning）;（2）基于该模型和PageRank算法的思想,设计了一种重叠社区影响力排序的算法CCIR（Cross-community Influence Rank）.真实网络中的实验结果表明,该算法能够适应不同真实网络的场景,合理有效地反应真实社会网络中的社区影响力分布情况.