机构名称：
¥ 1.0
在线社交网络是日常生活中与朋友保持联系和分享信息的主要媒介。在 Twitter 上，用户可以通过关注其他用户来与他们建立联系，而其他用户也可以关注他们。近年来，研究人员研究了社交网络的几种特性，并设计了随机图模型来描述它们。这些方法中的许多要么侧重于无向图的生成，要么侧重于有向图的创建，而没有对互惠边（即两个节点之间方向相反的两个有向边）和有向边之间的依赖关系进行建模。我们提出了一种生成有向社交网络图的方法，该方法创建互惠边和有向边，并考虑各自度序列之间的相关性。我们的模型依赖于 Twitter 中抓取的有向图，在该图上交换或传播有关主题的信息。虽然这些图表现出较高的聚类系数和随机节点对之间的较小平均距离（这在现实世界的网络中很常见），但它们的度序列似乎遵循 χ 2 分布而不是幂律。为了实现高聚类系数，我们应用了一种保留节点度的边重新布线程序。我们比较了抓取的图谱和创建的图谱，并在其上模拟了某些信息传播和流行病传播算法。结果表明，创建的图谱表现出与真实世界图谱非常相似的拓扑和算法特性，这证明它们可以用作社交网络分析的替代物。此外，我们的模型具有高度可扩展性，使我们能够创建具有与相应的真实世界网络几乎相同属性的任意大小的图谱。
生成简单有向社会网络图用于信息传播
主要关键词
相关文件推荐
