.png){kind=icon}
返回
A topic dissemination model based on hypernetwork
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-01497-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
个体特征、主题特征和网络结构因素对社交网络中的主题传播至关重要。然而，现有模型缺乏将高阶网络结构同个体与主题特征进行良好整合的建模。本文提出了一种基于超网络的主题传播模型（简称为HSIRS）。我们为在线社交网络引入了一种改进的超网络结构构建方法。每个用户的传播概率和重入概率基于主题吸引力、用户对不同主题的敏感度、个体活跃度以及超边尺寸效应进行定义。我们在三个模拟网络和三个真实社交网络上的实验表明，与两种现有模型相比，超网络中的主题传播更快、更广泛，呈现出显著的波动性和持续性影响。超边结构促进了快速且广泛的主题传播，但效果最终会减弱。具有强吸引力的主题以及与高超度值和活跃度个体相关的主题显著提高了传播速率和波动性。
Keyword:
Social networks
Hypernetworks
Hypergraphs
Topic dissemination
SIRS models
期刊
IF:
3.9
论文数:
28.2W
被引数:
83.5W
机构
引用论文
.png){kind=icon}
High-order spatial connectivity mining over neural graph collaborative filtering for POI recommendation in location-based social networks基于神经图协同过滤的高阶空间连通性挖掘，用于基于位置的社会网络中的兴趣点推荐
PREAI
分享收藏Modeling public opinion dissemination in a multilayer network with SEIR model based on real social networks基于真实社交网络的SEIR模型在多层网络中的舆情传播建模
PREAI
分享收藏
查看更多内容