文献

J-GLOBAL ID：201702235349368381   整理番号：17A0368931

ソーシャルネットワークにおける局所群集を特性化するためのノンパラメトリックモデル【Powered by NICT】

Nonparametric models for characterizing the topical communities in social network

著者 (4件)： Liu Ziqi (MOEKLINNS Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Zheng Qinghua (MOEKLINNS Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Wang Fei (School of Software Engineering, Beijing University of Technology, China) ,  Qian Buyue (MOEKLINNS Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 216  ページ： 439-450  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 局所群集は社会的ネットワークを特性化するための有用なツールを示した。しかしソーシャルネットワークにおけるデータはしばしばストリームとして,すなわち,テキストコンテンツ(例えば,電子メール,ユーザ投稿)とネットワーク構造(例えば,ユーザ友好)の両方が時間的に変化する。無限潜在コミュニティ変数は無限潜在している話題変数と結合した二ノンパラメトリック統計モデルを提案した。エポックを通して変数間の時間的依存性は豊富なが豊富なスキームを介してモデル化した。社会的河川における三つの動的側面を特性化することに焦点を当てた:コミュニティや話題変化の数(例えば,新しいコミュニティまたは話題が誕生し,それ以前のものは死滅する);コミュニティや話題の人気は発展する地域トピック分布,コミュニティ参加者の分布と話題語分布のような意味論はドリフトした。さらに,モデルのための効果的なオンライン後方推論アルゴリズムであり,社会的ストリームのオンライン自然との調和を開発した。実世界データを用いた実験により,社会的河川における動的局所コミュニティを見出すで本モデルの有効性を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： コミュニティ ,  河川 ,  *キャラクタリゼーション ,  ノンパラメトリック法 ,  意味論 ,  電子メール ,  アルゴリズム ,  ネットワーク構造 ,  モデリング
準シソーラス用語： オンライン ,  *社会的ネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 局所コミュニティ ,  社会流 ,  Bayesノンパラメトリックモデル

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ソーシャルネットワーク ,  群集 ,  特性化 ,  パラメトリックモデル