《中國人工智能學會通訊》——11.6 主題敏感影響者的挖掘

社會媒體網絡的出現和快速流行為使用者提供了一個創造和分享興趣内容的互動分享平台。最近，社會影響力分析已吸引了研究者充分的興趣。相當量的工作已進行來驗證影響力的存在[6] ，或者在同質網絡中的影響力模組化[7] 。但是，鮮有工作研究包含多模态興趣内容的社交網絡中主題敏感影響力量化的問題。本文探究在基于興趣的社會媒體網絡中的主題敏感影響者挖掘（Topic-Sensitive InfluencerMining, TSIM）的問題。TSIM 旨在挖掘網絡中主題特定的有影響力的頂點。我們以最流行的圖檔分享網站之一的 Flickr 為測試平台，進行研究和實驗；使用視覺文本的内容關系建構同質超邊，用于主題學習和使用社交連結關系建構異質超邊用于網絡中影響力排序。所提出的解決 TSIM 的方法架構，主要包括超圖學習、興趣主題學習和主題敏感影響力排序三種學習階段。首先，一個統一超圖建構來對Flickr 種的使用者、圖像和多種類型關系進行模組化。在圖像之間的視覺 - 文本資訊用于建構同質超邊。使用者和圖像之間的社交連結關系用于産生異質超邊。其次，由于圖像的稀疏社交連結的影響，有資訊性的标簽圖像選取并在超圖異質超邊上通過超圖正則化主題模型學習主題空間。我們通過協同表示相似性傳播來獲得所有的圖像和使用者的主題分布。最後，一種基于相似性傳播的超圖排序算法，在超圖超邊上運作獲得使用者和圖像的特定主題的社會影響力得分。在從 Flickr 收集的真實資料上的實驗驗證了所提方法挖掘主題敏感影響者的有效性。