《微博类社交网络中信息传播的测量与分析.pdf》由会员分享，可在线阅读，更多相关《微博类社交网络中信息传播的测量与分析.pdf（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第4 7 卷第2 期西安交通大学学报V 0 1 4 7N o 22 0 1 3 年2 月J O U R N A LO FX I A NJ I A O T O N GU N I V E R S I T YF e b 2 0 1 3D O I：1 0 7 6 5 2 X j t u x b 2 0 1 3 0 2 0 2 1微博类社交网络中信息传播的测量与分析张赛1，徐恪1，李海涛2(1 清华大学计算机科学与技术系，1 0 0 0 8 4，北京；2 西蒙弗雷泽大学计算科学学院，V 5 A1 S 6，加拿大温哥华)摘要：为了更好地掌握在线社交网络中信息传播的特征规律和用户行为，以新浪微博为代表对社交
2、网络中的信息传播进行了较大规模的测量、统计和分析，提出了一种三角和算法用于探测用户粉丝数阈值。该算法根据散点分布的统计规律来估计使微博热度达到某一值的粉丝数的I 临界值，发现为使微博热度大于1 0，用户粉丝数应大于1 5 0。其他测量分析结果表明：新浪微博具有很强的“名人效应”，用户频繁地发帖并不能引起较大的关注，热门微博的热度几乎都以激增方式增长。这些结论对网络营销和网络监管具有参考价值。关键词：在线社交网络；信息传播；微博热度；新浪微博中图分类号：T P 3 9 3 4 文献标志码：A文章编号：0 2 5 3 9 8 7 X(2 0 1 3)0 2 0 1 2 4 0 7M e a s u
3、 r e m e n ta n dA n a l y s i so fI n f o r m a t i o nP r o p a g a t i o ni nO n l i n eS o c i a lN e t w o r k sL i k eM i c r o b l o gZ H A N GS a i l，X UK e l。L IH a i t a 0 2(1 D e p a r t m e n to fC o m p u t e rS c i e n c ea n dT e c h n o l o g y，T s i n g h u aU n i v e r s i t y，B e
4、i j i n g10 0 0 8 4，C h i n a2 S c h o o lo fC o m p u t i n gS c i e n c e，S i m o nF r a s e rU n i v e r s i t y，V a n c o u v e rV S AI S 6，C a n a d a)A b s t r a c t：Al a r g es c a l em e a s u r e m e n ta n da n a l y s i so fi n f o r m a t i o np r o p a g a t i o ni no n l i n es o c i a
5、 ln e t w o r k sw i t hS i n am i c r o b l o ga sar e p r e s e n t a t i v ei sp e r f o r m e dt Ob e t t e rg r a s pt h ec h a r a c t e r i s t i c so fi n f o r m a t i o np r o p a g a t i o na n du s e r s b e h a v i o r si no n l i n es o c i a ln e t w o r k s At r i g o n o m e t r i c
6、s u ma l g o r i t h mi sp r o p o s e dt Od e t e c tat h r e s h o l dt ot h en u m b e ro ff a n s T h ea l g o r i t h mb a s e so nt h es t a t i s t i cl a wo ft h es c a t t e rd i s t r i b u t i o nt Oe s t i m a t et h et h r e s h o l df o rt h en u m b e ro ff a n s，a n dt og e tag i v e
7、 nm i r c o b l o gp o p u l a r i t y I ti sf o u n dt h a to n es h o u l dh a v ea tl e a s t15 0f a n st om a k em i c r o b l o gp o p u l a r i t ym o r et h a n10 O t h e ra n a l y t i c a lr e s u l t ss h o wt h a t：t h eS i n am i c r o b l o gp o s s e s s e sas t r o n g“c e l e b r i t
8、 ye f f e c t”，a n du s e r s f r e q u e n tp o s t i n gf a i l st oa r o u s em u c ha t t e n t i o n M o s th o tm e s s a g e sg a i nt h e i rp o p u l a r i t yt h r o u g hs u r g e i n c r e a s e C o n c l u s i o n so b t a i n e df r o ma n a l y z i n gw i l lb eg o o dr e f e r e n c
9、e sf o rn e t w o r km a r k e t i n ga n dn e t w o r ks u p e r v i s i o n K e y w o r d s：o n l i n es o c i a ln e t w o r k s；i n f o r m a t i o np r o p a g a t i o n；p o p u l a r i t yo fm i c r o b l o g；S i n am i c r o b l o g如今，在线社交网络(o n l i n es o c i a ln e t w o r k s，O S N s)如新浪微博
10、、人人网、F a c e b o o k、F l i c k r 等，已经成为人们网络交流、获取信息和发布信息的主要平台之一。O S N s 上的用户通过建立单向或者双向的好友关系交流、分享信息资源，他们不再是被动接受信息的媒体受众，而是积极地参与到网络活动中来，成为收稿日期：2 0 1 2 0 7 1 7。作者简介：张赛(1 9 8 8 一)，男，硕士生；徐恪(通作作者)，男，教授。基金项目：国家科技支撑计划资助项目(2 0 1 1 B A K 0 8 8 0 5 0 2)；国家科技重大专项基金资助项目(2 0 1 2 Z X 0 3 0 0 5 0 0 1)；国家自然科学基金资助项目(6
11、1 1 7 0 2 9 2，6 0 9 7 0 1 0 4)；国家“9 7 3 计划”资助项目(2 0 1 2 C B 3 1 5 8 0 3)。网络出版时间：2 0 1 2-1 0 3 1网络出版地址：h t t p：W W W c n k i n e t k c m s d e t a i l 6 1 1 0 6 9 T 2 0 1 2 1 0 3 1 1 1 0 0 0 0 3 h t m l万方数据书2 期张赛，等：微博类社交网络中信息传播的测量与分析1 2 5信息的制作者、分享者和传播者。由于O S N s 具有巨大的用户基数、良好的传播时效性、相对自由的传播机制和廉价的使用成本，因
12、此已经成为一个非常好的交友、商业营销(病毒式营销)等以信息分享和传播为目的的活动平台。这就有必要对O S N s 的信息传播进行较为全面和深入的测量和分析。学术界对O S N s 的研究由来已久。最初对O S N s 的研究主要着眼于其静态拓扑图 1 。在用户行为特征方面，S c h n e i d e r 等人利用网络层追溯的方法，通过定义会话考察用户的交互行为特征 2 。O S N s 的一个重要特征就是信息在好友关系连接上的传播，这种传播方式是用户对某一好友的某一条状态的转发。针对不同类型的O S N s，信息传播的建模工作有较多的结果，比如在博客口。5 、电子由I 件 6 、类似于T
13、w i t t e r 的微博网站 7 9 1 等方面。新浪微博是目前国内最大的微型博客网站。本文对新浪微博上的信息传播进行了较大规模的测量和分析，想回答以下几个问题：(1)新浪微博上“名人效应”的程度有多大?这科“名人效应”是否会减弱普通用户的影响力?(2)微博热度与用户粉丝数有何种关系?是否司以找到限制微博传播的粉丝数阈值?(3)微博热度与用户发帖时间有何种关系?哪一个时间段发帖可使微博流行的可能性最大?(4)用户喜欢什么内容的微博?(5)微博一般的传播规律如何?热门微博的热瘦增长是否遵循某种模式?1测量方法1 1 数据采集方法新浪微博是国内最大的微型博客网站，也是全球使用最多的微博客提供
14、商之一。新浪微博于2 0 0 9 年8 月1 4F t 开始内测，目前注册用户已经突列：3 亿大关，用户每日发博量超过1 亿条，日活跃用户比例为9 1。微博转发是一种典型的信息传播行为。本文主要：研究微博消息(信息)在新浪微博上的转发(传播)耜；征，因此在下文中，“微博”与“信息”、“转发”与“传播”不加区分，微博热度是指一条微博的转发数，以微博转发数来度量一条微博的流行度。由于微博用户数据的隐私性，直接从微博运营硅f 获取数据非常困难。本文采取网络爬虫的方法采集数据，主要利用美国麻省理工学院(M I T)开发的一一个F i r e f o x 组件C h i c k e n f o o t
15、进行数据采集。h t t p t i 嘲w j d x b c n1 2 数据描述数据采集工作尽量基于新浪微博自身的功能设计。数据采集的时间为2 0 1 2 年2 月1 2 日至2 0 1 2年4 月5 日。新浪微博有一个“随便看看”页面，主要功能是随机地刷新用户最近发布的微博。我们从这个页面共采集了20 8 5 个随机用户，同时采集每个用户所发微博的所有相关信息(发帖时间、转发数)，一共约18 3 64 6 8 条微博。新浪微博还有一个“风云人气榜”，记录了它所统计的名人微博信息。我们从这个页面共采集了5 2 3 个名人用户，同时采集每个用户所发微博的所有相关信息(发帖时间和转发数)，一共约
16、27 4 54 7 3 条微博。2 新浪微博的“名人效应本文选取了11 0 3 个随机用户和1 0 0 个名人用户。经计算，11 0 3 个随机用户中，共有8 7 0 个用户(7 8 8 8)关注了名人，其中有一个用户关注了9 8个名人(最大值)，这体现了新浪微博的名人效应(见图1)。大量用户(5 2 3 个)关注了不超过1 0 个名人，用户关注名人数量的平均值为9 9 0 75，而关注大量名人的用户则很少(见图2)。籁皿旺籁_ m a x f o r w a r d i n g)C 1 一C 1+1；E n dI f(z(忌)_ f&y(忌)m a x f o r w a r d i n g
17、)0(z(愚)J&y(k)m a x f o r w a r d i n g)C 2 一C 2+1；h t t p：w w w j d x b c nh t t p：z k x b x j t u e d u c n万方数据褰2 期张赛，等：徽博类社交网络中信息传播的测量与分析E n dE n dL(_)=C 1(c 1+C 2)；E n d v a l u e，l o c a t i o n =m a x(L)；f a n n u m(i)=l o c a t i o n：E n d图6 是在增加样本数量的情况下，取m a x 户(A)时剥应的粉丝数A 的变化规律。当样本数量逐渐增加，A 也
18、趋于稳定，当=1 0，5 0，1 0 0 时，A 的稳定区间分别为(1 5 0，1 6 0)、(9 5 0，10 0 0)、(12 0 0，13 0 0)，这也验证了该算法的合理性。盒呻气g实验次数(a)一1 0(b)=5 0(c)=1 0 0图6 不同m 对应的粉丝数趋势图3 3 微博热度与发帖频率这一节考察微博热度与用户发帖频率的关系。本文统计了5 2 3 个名人微博信息，并计算每个用户的发帖频率(平均每天所发微博数)、平均转发数。经计算，平均发帖频率为7 1 2d，最大值为2 1 2 2 5d，最小值为1 0 4d。图7 为发帖频率与平均转发数的对数关系，可以看出图中并没有显示用户发帖频
19、率和微博热度(平均转发数)之间的关系，可见二者之间的相关性较差，经计算相关系数仅为一0 0 1 61。但是，这并不能说明二者呈现弱的负相关性，因为频率越高，基数越大，所得的平均值也会越小，而当使用最大转发数作为微博热度的评估时，相关系数仅为0 0 0 34。因此，频繁发帖并不能给微博热度带来增益。1 0 51 0 4倒1 0 3萋1 0 21 0 l1 0 0发帖颠率d 图7 发帖频率与平均转发数的对数关系图3 4 微博热度与发帖时间当发帖时能够被更多的人看到，该微博流行的可能性就会增加。同样以5 2 3 个名人为对象，采集每个用户的前1 0 条具有最大转发数的微博的发布时间，一共是52 3
20、0 条微博信息，并统计每个时间段内的微博数量。图8 和图9 分别是不同时间间隔下微博数量的分布情况。近似地把不同区间内微博的数量看作该3 5 03 0 02 5 0冀z 0 0蒌1 0 05 00f lt 4t 8r 1 2t 1 6f 2 0r 2 4时间分布t l 为0 0：0 0 0 1：0 0；t 为0 3：0 0 0 4：0 0；t s 为0 7：0 0 0 8：0 0 I；t 2 为2 3：0 0 0 0：0 0图8 微博热度与发帖时间的统计分布图(时间间隔1h)h t t p：W W W j d x b c nh t t p：z k x b x j t u e d u c n万方
21、数据西安交通大学学报第4 7 卷时间段内微博的热度，可以看出：一天中0 3：0 0 到0 6：o o 之间的微博数量最少；0 9：0 0 以后微博数量均较多，1 2：0 0 1 3：0 0、1 7：0 0 1 8：0 0 和2 2：0 0 2 3：0 0 是之后的3 个高潮12 1：0 0 到0 0：O O 是一天中微博数量最多的时间段。巅璧挺(0 3：0 0，0 6：0 0)(0 9：0 0，1 2：0 0)(1 5：0 0，1 8：0 0)(2 1：0 0，0 0：0 0)时间分布图9 微博热度与发帖时间的统计分布图(时间间隔3h)3 5 微博的转发类型从5 2 3 个名人微博中随机挑选了
22、5 0 条微博，按照其转发数分为2 类：取2 5 条小于l0 0 0 次；2 5 条大于10 0 0 次。同时，挑选那些已经衰亡的微博，以一天内少于3 人转发作为衰亡的标志。通过以下4个较典型的微博，对这些微博的转发过程进行对比。图1 0 图1 3 为A、B、C、D4 个典型微博的生命周期曲线。可以很明显地看出，微博转发过程中的特征因素：拐点和增长趋势。从增长趋势上看，热门微博常以一种阶梯函数似的激增方式增长，经过一段很短时间的弧形拐点后达到潜伏状态或者衰亡。因此，我们把热门微博的转发生命周期粗略地分为潜伏期、激增期和衰亡期，见图1 0。潜伏期和衰亡期的划分依赖于是否存在二次增长，见图1 3，
23、这种二次增长往往是由博主或者其他有影响力的用户转发造成的。热门微博这种激烈而单一的增长方式说明：一条微博要么快速受到关注，要么受到冷落，或者就此衰亡，或者等待新一轮的激增。2 0 1 2 0 1 0 l0 0：0 02 0 1 2 0 1 1 00 0：o o时刻图1 0 微博A 的生命周期曲线2 0 1 1 1 2 0 20 0：0 02 0 1 l 一1 2-2 20 0：0 0时刻图1 1 微博B 的生命周期曲线2 0 1 1 1 2 一1 70 0：0 02 0 1 1 1 2 2 70 0：0 0时刻图1 2 微博C 的生命周期曲线2 0 11 1 2-0 30 0：0 02 0 1
24、 1-1 2-0 70 0：0 0时刻图1 3 微博D 的生命周期曲线并不是说线性增长在热门微博转发中不存在，例如在微博C 中出现了线性拐点(见图1 2)，它出现在激增期结束之后，给微博转发带来了1 1 1 的增益。在我们考察的5 0 条微博中，没有出现开始就呈线性增长趋势的微博，5 0 条微博中仅有一条微博开始即出现潜伏期，见图1 1。本文的工作可以与C h a 等人的工作 1 u 做对比。他们通过考察F l i c k r 上照片粉丝数的增长过程，对照片的热度增长模式进行分类，也得到了4 种类型。但照片的热度增长与微博明显不同的是，F l i c k r 上照片热度的线性增长占很大比例。3
25、 6 热门微博的内容分布上面的讨论都不涉及微博的内容，然而微博内h t t p：w w w 1 d x b c nh t t p：z k x b x i t u e d u c n万方数据蒋2 期张赛。等：微博类社交网络中信息传播的测量与分析容对其热度显然有非常重要的影响。比如最近一段刚间社会上发生了某个热门事件，关于此话题的微博就会很热门。具体对微博内容的信息挖掘会有更讶入的研究，这已超出了本文的范围，这里只粗略考察热门微博的内容分类。注意到不同类型的名人往往代表不同的话题，不同类型名人微博的热度在一定程度上体现了微博斥户对不同话题的喜好。以下为新浪微博对名人的分类，本文只考察一级分类和若干
26、二级分类。，体育、娱乐、财经、文学、科技l 草根：内容类、个人草根(达人)名人：名人媒体：报纸、杂志、电视、电台I 政府：公安、交通、司法、医疗卫生。网站：生活、电商、科技、娱乐本文选取8 个较典型的分类：娱乐、体育、财经房产、文化时尚、科技、草根、媒体、网站，分别考察-了每个类别中用户微博的平均转发数，见图1 4。2 0 0 0籁l6 0 0篓12 0 0生黎8 0 0霸 4 0 0荔励圉圉圉亘圉蘑数越多，微博越易被转发，但这种相关性并不很大，这与一条微博复杂的传播机制有关；(3)微博热度与粉丝数之间存在一定的阈值关系，即可以计算出为了使一条微博转发次数达到某一值的粉丝数的最佳值；(4)发帖
27、频率与转发数之间没有直接的相关性；(5)发帖时间对微博热度有着较明显的影响，每天的2 1：O o 到0：0 0 是微博的最佳转发时间，而3：0 0 到6：0 0 属于转发“静默期”；(6)不同内容的微博的热度也有着较大差距，其中娱乐类微博占了很大一部分份额，草根用户的微博也不容小视，他们通常受到用户更多的关注；(7)热门微博的热度增长模式主要是激增方式，开始没有受到关注的微博很难成为热门微博，二次转发是给微博带来转发增益的重要方式。影响微博消息传播的因素很多，本文只是管中窥豹。如何用数学语言严格刻画O S N s 中的信息传播，将是我们下一步的工作方向。参考文献：1 3M I S L O V
28、EA，M A R C O NM，G U M M A D IKP，e ta 1 M e a s u r e m e n ta n da n a l y s i so fo n l i n es o c i a ln e t w o r k sE c 3 P r o c e e d i n g so ft h e7 t hA C Ms I G c 0 M MC o n f e r e n c eo nI n t e r n e tM e a s u r e m e n t N e wY o r k，U S A：A C M，2 0 0 7：2 9 4 2 S C H N E I D E RF，F E
29、 L D M A N NA，K R I S H N A M U R T H YB，e ta 1 U n d e r s t a n d i n go n l i n es o c i a ln e t w o r ku s a g ef r o man e t w o r kp e r s p e c t i v e C P r o c e e d i n g so ft h e9 t hA C MS I G C O M MC o n f e r e n c eo nI n t e r n e tM e a s u r e m e n t N e wY o r k，U S A：A C M，2
30、0 0 9：3 5 4 8 A D A RE，A D A M I CLA T r a c k i n gi n f o r m a t i o ne p i d e m i c si nb l o g s p a c e c P r o c e e d i n g so ft h e2 0 0 5I E E E W I C A C MI n t e r n a t i o n a lC o n f e r e n c eo nW e bI n t e l l i g e n c e W a s h i n g t o n，D C，U S A：I E E EC o m p u t e rS o
31、c i e t y，2 0 0 5：2 0 7 2 1 4 G O M E Z R O D R I G U E ZM，L E S K O V E CJ，K R A U S EA I n f e r r i n gn e t w o r k so fd i f f u s i o na n di n f l u e n c eC c；lP r o c e e d i n g so ft h e1 6 t hA C MS I G K D DI n t e r n a t i o n a lC o n f e r e n c eonK n o w l e d g eD i s c o v e r y
32、a n dD a t aM i n i n g N e wY o r k，U S A：A C M，2 0 1 0：1 0 1 9-1 0 2 8 G R U H LD，G U H AR，L I B E N N O W E L LD，e ta 1 I n f o r m a t i o nd i f f u s i o nt h r o u g hb l o g s p a c e C P r o c e e d i n g so ft h elat hI n t e r n a t i o n a lC o n f e r e n c eonW o r l dW i d eW e b N e
33、wY o r k，U S A：A C M，2 0 0 4：4 9 卜5 0 1 L I B E N N O W E L LD K L E I N B E R GJ T r a c i n gi n f o r m a t i o nf l o wonag l o b a ls c a l eu s i n gI n t e r n e tc h a i n-h t t p tf fW W W j d x b c ah t t p：f fz k x b x j t u e d u c n万方数据1 3 0西安交通大学学报第4 7 卷(上接第3 2 页)E 3 3B A R H A MP，D R
34、A G O V I CB，F R A S E RK，e ta 1 X e n 4 5 E 6 3 7 3 8 a n dt h ea r to fv i r t u a l i z a t i o n c P r o c e e d i n g so ft h e19 t hA C MS y m p o s i u mo nO p e r a t i n gS y s t e m sP r i n c i p i e s N e wY o r k，U S A：A C M，2 0 0 3：1 6 4 1 7 7 V M W a r eI n c R e s o u r c em a n a g
35、e m e n tw i t hV M W a r eD R S E B O L (2 0 0 6 0 6 0 5)2 0 1 2 0 4 1 0 h t t p：w w w V m w a r e c o m v m t n r e s o u r c e s 4 0 1 Z H U A N GW e i，G U IX i a o l i n，H U A N GR u w e i，e ta 1 T C PD D O Sa t t a c kd e t e c t i o nO i lt h eh o s ti nt h eK V Mv i r t u a lm a c h i n ee n
36、v i r o n m e n t c P r o c e e d i n g so ft h e1 1 t hI E E E A C I SI n t e r n a t i o n a lC o n f e r e n c eo nC o m p u t e ra n dI n f o r m a t i o nS c i e n c e P i s c a t a w a y，N J，U S A：I E E EC o m p u t e rS o c i e t y，2 0 1 2：6 2 6 7 M A T T H E W SJN，D O WEM，D E S H A N ET，e ta
37、 1 R u n n i n gX e n：ah a n d s o ng u i d et ot h ea r to fv i r t u a l i z a t i o n M B o s t o n，U S A：P r e n t i c eH a l l，2 0 0 8 C L A R KC，F R A S E RK，H A N DS，e ta 1 L i v em i g r a t i o no fv i r t u a lm a c h i n e s C P r o c e e d i n g so ft h eS e c o n dC o n f e r e n c eonS
38、 y m p o s i u monN e t w o r k e dS y s t e m sD e s i g na n dI m p l e m e n t a t i o n N e wY o r k，U S A：A C M，2 0 0 5：2 7 3-2 8 6 H UL i t i n g，J I NH a i，L I A OX i a o f e i，e ta 1 M a g n e t：an o v e ls c h e d u l i n gp o l i c yf o rp o w e rr e d u c t i o ni nc l u s t e rw i t hv i
39、 r t u a lm a c h i n e s C P r o c e e d i n g so ft h e2 0 0 8I E E EI n t e r n a t i o n a lC o n f e r e n c eo nC l u s t e rC o m p u t i n g P i s c a t a w a y，N J，U S A：I E E EC o m p u t e rS o c i e t y，2 0 0 8：1 3 2 2 9 周文煜，陈华平，杨寿保，等基于虚拟机迁移的虚拟机集群资源调度 J 华中科技大学学报：自然科学版2 0 1 1，3 9(S 1)：1 3
40、 0 1 3 3 Z H O UW e n y u，C H E NH u a p i n g，Y A N GS h o u b a o，e ta 1 R e s o u r c es c h e d u l i n gi nv i r t u a lm a c h i n ec l u s t e rb a s e do nl i v em i g r a t i o no fv i r t u a lm a c h i n e J tJ o u r n a l 1 0 1 1 o fH u a z h o n gU n i v e r s i t yo fS c i e n c ea n d
41、T e c h n o l o g y：N a t u r a lS c i e n c eE d i t i o n，2 0 1 1，3 9(S 1)：1 3 0 一1 3 3 F A D W AG。M E D I AA W e bb a s e dm u l t ic r i t e r i ad e c i s i o nm a k i n gu s i n gA H Pm e t h o d c P r o c e e d i n g so ft h e2 0 1 0I n t e r n a t i o n a lC o n f e r e n c eo nI n f o r m a
42、 t i o na n dC o m m u n i c a t i o nT e c h n o l o g yf o r t h eM u s l i mW o r l d P i s c a t a w a y，N J，U S A：I E E EC o m p u t e rS o c i e t y，2 0 1 0：6-1 2 C A OJ i a n Y EF e n g，Z H O UG e n g u i，e ta 1 An e wm e t h o df o rV Ep a r t n e rs e l e c t i o na n de v a l u a t i o nb
43、a s e dO i 1A H Pa n dF u z z yt h e o r y c P r o c e e d i n g so fT h e8 t hI n t e r n a t i o n a lC o n f e r e n c eo nC o m p u t e rS u p p o r t e dC o o p e r a t i v eW o r ki nD e s i g n O n t a r i o，C a n a d a：N R CR e s e a r c hP r e s s，2 0 0 4：5 6 3-5 6 6(编辑武红江)h t t p；W W W j d
44、 x b c nh t t ptf fz k x b x j t u e d u c n万方数据微博类社交网络中信息传播的测量与分析微博类社交网络中信息传播的测量与分析作者：张赛，徐恪，李海涛，ZHANG Sai，XU Ke，LI Haitao作者单位：张赛,徐恪,ZHANG Sai,XU Ke(清华大学计算机科学与技术系,100084,北京)，李海涛,LI Haitao(西蒙弗雷泽大学计算科学学院,V5A 1S6,加拿大温哥华)刊名：西安交通大学学报英文刊名：Journal of Xian Jiaotong University年，卷(期)：2013,47(2)被引用次数：3次 参考文献(1
45、1条)参考文献(11条)1.MISLOVE A;MARCON M;GUMMADI K P Measurement and analysis of online social networks 20072.SCHNEIDER F;FELDMANN A;KRISHNAMURTHY B Understanding online social network usage from a network perspective 20093.ADAR E;ADAMIC L A Tracking information epidemics in blogspace 20054.GOMEZ-RODRIGUEZ
46、M;LESKOVEC J;KRAUSE A Inferring networks of diffusion and influence 20105.GRUHL D;GUHA R;LIBEN-NOWELL D Information diffusion through blogspace 20046.LIBEN-NOWELL D;KLEINBERG J Tracing information flow on a global scale using Internet chainletter data外文期刊2008(12)7.GOYAL A;BONCHI F;LAKSHMANAN L V Lea
47、rning influence probabilities in social networks 20108.LERMAN K;GHOSH R Information contagion:an empirical study of the spread of news on Digg and Twitter socialnetworks 20109.BAKSHY E;HOFMAN J M;MASON W A Everyones an influencer:quantifying influence on twitter 201110.新浪科技有限公司 2011年第四季度及全年财报 201211.CHA M;MISLOVE A;GUMMADI K P A measurement-driven analysis of information propagation in the Flickr socialnetwork 2009 引证文献(3条)引证文献(3条)1.夏鹏.王从雷 社交网络信息推送与分享相关专利分析期刊论文-电视技术 2013(z2)2.迟爽.徐鹏 社交网络技术在科研教学环境中的应用研究期刊论文-软件 2013(12)3.徐恪.张赛.陈昊.李海涛 在线社会网络的测量与分析期刊论文-计算机学报 2014(1)本文链接：http:/