社会网络信息传播影响最大化挖掘

[视频介绍]
简介:网络信息传播挖掘研究是近年来社交网络分析领域的热点问题。报告将重点介绍两方面的研究工作:传播影响最大化(Influence Maximization)和网络推断(Network Inference)。前者主要研究在既定传播模型下,如何高效寻找社交网络中信息传播影响力最大的Top-k节点集合,而后者则是在给定观测到信息传播级联数据集的基础上,推断出隐藏的、不可直接观测的社交网络拓扑结构。报告将重点介绍这两类工作的代表性研究成果,并对未来发展进行展望。
播放63 收藏
您可以试看前3分钟,观看完整视频请注册/登录
您可以试看前3分钟,观看完整视频请注册/登录

章节

相关内容

读完这篇文章后,您心情如何?

视频介绍

讲师:宋国杰

  • CCF专业会员
  • 北京大学信息科学技术学院副教授
  • 研究方向:数据挖掘、机器学习、社会网络分析、智能交通系统

关键词:

课程简介:网络信息传播挖掘研究是近年来社交网络分析领域的热点问题。报告将重点介绍两方面的研究工作:传播影响最大化(Influence Maximization)和网络推断(Network Inference)。前者主要研究在既定传播模型下,如何高效寻找社交网络中信息传播影响力最大的Top-k节点集合,而后者则是在给定观测到信息传播级联数据集的基础上,推断出隐藏的、不可直接观测的社交网络拓扑结构。报告将重点介绍这两类工作的代表性研究成果,并对未来发展进行展望。