新浪微博的大规模信息传播规律研究

doi:10.3778/j.issn.1673-9418.1212005

计算机科学与探索 ›› 2013, Vol. 7 ›› Issue (6): 551-561.DOI: 10.3778/j.issn.1673-9418.1212005

新浪微博的大规模信息传播规律研究

易成岐1，鲍媛媛2,3，薛一波2,3+，姜京池1

1. 哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080
2. 清华大学信息技术研究院，北京 100084
3. 清华大学信息科学技术国家实验室（筹），北京 100084

出版日期:2013-06-01 发布日期:2013-05-30

Research on Mechanism of Large-Scale Information Dissemination Based on Sina Weibo

YI Chengqi1, BAO Yuanyuan2,3, XUE Yibo2,3+, JIANG Jingchi1

1. School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China
2. Research Institute of Information Technology, Tsinghua University, Beijing 100084, China
3. Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing 100084, China

Online:2013-06-01 Published:2013-05-30

摘要/Abstract

摘要： 以Web2.0为代表的社会媒体正在深刻影响和改变信息的传播方式、人们的社交方式、大众的生活理念，社会网络也成为学术界和工业界的研究热点。以中国著名社交网站“新浪微博”的大规模数据为依托，研究了社会网络的信息传播问题，揭示了社会网络的信息传播机制，提出了几种信息传播模型，尝试剖析社会网络的信息传播规律。这些研究成果既可以应用于信息传播预测、传播态势感知、个性化信息推荐、广告精准投放等多个领域，也可以用于发现不良用户和信息，保障网络和信息安全。

关键词: 社会网络, 信息传播, 传播规律

Abstract: Web2.0, as a representative social media, is bringing a profound impact and change on the mode of information dissemination, people’s new way of socializing and popular lifestyle. Social network has been a hot research area for academic and industry. This paper relies on the large-scale data of the famous Chinese social network websites (Sina Weibo), addressing the problems of information dissemination on social network. This paper reveals the mechanism of information dissemination on social network, and proposes a few models of information dissemination to try to analyze the rule of information dissemination. These research results can be widely used in the prediction of information dissemination, the perception of dissemination situation, the personalized information recommendation, precision advertising and so on. It also can be used to find out the illegal users and information to ensure the security of network and information.

Key words: social network, information dissemination, dissemination mechanism

易成岐，鲍媛媛，薛一波，姜京池. 新浪微博的大规模信息传播规律研究[J]. 计算机科学与探索, 2013, 7(6): 551-561.

YI Chengqi, BAO Yuanyuan, XUE Yibo, JIANG Jingchi. Research on Mechanism of Large-Scale Information Dissemination Based on Sina Weibo[J]. Journal of Frontiers of Computer Science and Technology, 2013, 7(6): 551-561.

[1]	刘文星, 范敏, 李金海. 网络形式背景下的社区划分方法研究[J]. 计算机科学与探索, 2021, 15(8): 1441-1449.
[2]	高昂, 梁英, 谢小杰, 王梓森, 李锦涛. 支持隐私保护的社交网络信息传播方法[J]. 计算机科学与探索, 2021, 15(2): 233-248.
[3]	冯勇，张冰茹，徐红艳，王嵘冰，张永刚. 结合改进差分进化和模块密度的社区发现算法[J]. 计算机科学与探索, 2020, 14(6): 1070-1080.
[4]	钱付兰，徐涛，赵姝，张燕平. 基于局部概率解的免疫遗传影响力最大化算法[J]. 计算机科学与探索, 2020, 14(5): 783-791.
[5]	董祥祥，高昂，梁英，毕晓迪. 动态社会网络数据发布隐私保护方法[J]. 计算机科学与探索, 2019, 13(9): 1441-1458.
[6]	张晓琳，袁昊晨，李卓麟，张换香，刘娇. 面向子图匹配的社会网络隐私保护方法[J]. 计算机科学与探索, 2019, 13(9): 1504-1515.
[7]	张昱，高克宁，陈默，于戈. 融合网络结构和节点属性的链接预测方法[J]. 计算机科学与探索, 2019, 13(7): 1094-1101.
[8]	江淼淼，孙更新，宾晟. 多关系社交网络中社团结构发现算法[J]. 计算机科学与探索, 2019, 13(7): 1134-1144.
[9]	张晓琳，何晓玉，张换香，李卓麟. PLRD-(k,m):保护链接关系的分布式k-度-m-标签匿名方法[J]. 计算机科学与探索, 2019, 13(1): 70-82.
[10]	李春英，汤志康，汤庸，赵剑冬，黄泳航. 局部优先的社会网络社区结构检测算法[J]. 计算机科学与探索, 2018, 12(8): 1263-1277.
[11]	张云飞，李劲，岳昆，罗之皓，刘惟一. 关联影响力传播最大化方法[J]. 计算机科学与探索, 2018, 12(12): 1891-1902.
[12]	陈晓，郭景峰，张春英. 社会网络顶点间相似性度量及其应用[J]. 计算机科学与探索, 2017, 11(10): 1629-1641.
[13]	孙焕良，富珊珊，刘俊岭，于戈，许鸿斐. 社会网络中弱关系团队形成问题研究[J]. 计算机科学与探索, 2016, 10(6): 773-785.
[14]	白宇清，李海健，蔡青松. 移动P2P社会网络中关键节点发现方法[J]. 计算机科学与探索, 2016, 10(3): 350-362.
[15]	张恩德，高克宁，张昱，李封. 结合用户生成内容与链接关系的社区发现算法[J]. 计算机科学与探索, 2016, 10(2): 194-200.

新浪微博的大规模信息传播规律研究

Research on Mechanism of Large-Scale Information Dissemination Based on Sina Weibo

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics