智商情商网熵田园分享 http://blog.sciencenet.cn/u/Liweigang 数字之美,美于形式,更在内涵。

博文

对微博分布泊松过程表征的补充,答周涛博主

已有 6203 次阅读 2012-6-10 22:37 |个人分类:社交网络|系统分类:论文交流| 周涛, 新浪微博, Sornette, 微博预测, 泊松过程

科学网周涛博主对小作《社会事件相关的微博分布特性》发来评论: D. Sornette PRLPNAS~~就是分析这个问题~~ 十分感谢。  


笔者看了周涛博主以前的博文:《人类动力学研究较有代表性的40篇文献》等,很是不错,看得出博主潜心读书,认真研究的精神和成就。该博文里面介绍的文章中有:R. Crane, D. Sornette, Robust dynamic classes revealed by measuring the response function of a social systemPNAS 105 (2008) 15649。由于时间原因,只是看了看摘要,等找到原文再细细阅读。不过从摘要里看出,他们研究对YouTube视频的访问现象,可归纳为 Poisson 过程。 R. Crane, D. Sornette,的工作的确很是超前,会使对社交网络的研究有理论依据和参考作用。


微博是个新事物,尤其是新浪微博的流行,也只是2009年来的事情。而社交网络理论研究远远跟不上社会实践。Carnegie Mellon University Silicon Valley Jiang Zhu 和北京交大的Fei Xiong等2011年在研究社交网络,特别是利用推特平台对大灾难信息预测一文(Statistically Modeling the Effectiveness of Disaster Information in Social Media),对Twitter中的信息转发预测时,也使用泊松分布过程来分析TweetRetweet。此文引用了加州大学洛杉矶分校Ka Cheung Sia2007ICWSM的对RSS信息反馈监控一文(Monitoring RSS Feeds based on User Browsing Pattern) , 使用泊松分布过程来分析点击模式。


不过,笔者团队从新浪微博2009年来的海量数据中研究微博分布特征。正是觉得泊松过程难以反映微博的一些分布现象。如小作中列出的本·拉登之死的消息在新浪微博上出现的强脉冲现象,以及新浪微博对房价讨论的正态分布现象等。显然易见,这都是不能简单使用泊松过程来描述的。


如果仅是画出微博数量的分布图,也许就是在科学网让大家看看热闹。但实质上会直接影响微博转发预测质量。这一些,笔者会在以后的博文中进一步阐述。特别是深入研究一些特定函数如脉冲型、三角或梯形、正态型和泼松型分布等对微博转发预测的影响。欢迎同行共同探讨。


再次感谢周涛博主发来的珍贵资料和友好讨论。


相关文章连接:

    社会事件相关的微博分布特性

    人类动力学研究较有代表性的40篇文献

    Robust dynamic classes revealed by measuring the response function of a social system

    Statistically Modeling the Effectiveness of Disaster Information in Social Media

     Monitoring RSS Feeds based on User Browsing Pattern



http://blog.sciencenet.cn/blog-652078-580830.html

上一篇:全球百家空港 北京流量第二
下一篇:科学网青博大赛数据花絮

5 刘旭霞 许培扬 李学宽 曹聪 周涛

该博文允许注册用户评论 请点击登录 评论 (5 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-3-5 00:48

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部