论文部分内容阅读
近年来,社交网络的不断发展提升了网络信息传播的速度,故识别能使舆情信息影响力最大化的最小节点集已成为信息科学的重要问题之一.文章融入度相关性与社区识别,设计DCCI社交网络环境的舆情信源集发现方法,并在网络中对所提方法进行验证.由实验结果可知,文章所提算法的精度略优于其他算法,且运行效率较高.
融入度相关性与社区识别的社交网络舆情信源发现方法
【摘 要】
：
近年来,社交网络的不断发展提升了网络信息传播的速度,故识别能使舆情信息影响力最大化的最小节点集已成为信息科学的重要问题之一.文章融入度相关性与社区识别,设计DCCI社交网络环境的舆情信源集发现方法,并在网络中对所提方法进行验证.由实验结果可知,文章所提算法的精度略优于其他算法,且运行效率较高.
【机 构】
：
浙江工商大学管理工程与电子商务学院,杭州310018;浙江工商大学统计与数学学院 杭州310018;宁波诺丁汉大学商学院,宁波315175
【出 处】
：
系统科学与数学
【发表日期】
：
2021年9期
其他文献