能量高效的传感器网络空间范围聚集-NSFC.DOC

——————————————— 本课题得到国家自然科学基金资助项目资助。笱程成，1985年生，男，湖北宜昌，博士研究生，主要研究领域为文本挖掘、信息检索、复杂网络与社会计算。 E-mail: gouchengcheng@. 手机号码Tsk-shell:一种话题敏感的高影响力传播者发现算法 笱程成1,2, 杜攀1, 贺敏3, 刘悦1, 程学旗1 (1. 中国科学院 计算技术研究所, 北京 中国 100080) (2. 中国科学院大学, 北京 中国 100049) (3. 国家计算机网络与信息安全管理中心, 北京 中国 100029) E-mail：gouchengcheng@ 摘 要：在社交网络中，挖掘高影响力的信息传播者，对于消息和用户的流行度分析和预测是非常有价值的任务。与众多相关方法相比，k-shell分解（k-core）方法因其简洁高效、平均性能好的特点吸引了越来越多的研究人员的兴趣。但是，目前k-shell方法着重考虑节点在网络中的位置因素，而忽略了话题在信息传播中的影响。因此，本文尝试利用用户历史数据中蕴含的话题对消息的传播概率进行建模，提出了一种话题敏感的k-shell分解方法（topic-sensitive k-shell，tsk-shell）。在真实Twitter数据集上实验表明，在发现top k高影响力传播者任