基于信任度的在线社交网络消息传播模型：提升准确度与效率

本文主要探讨了"在线社交网络下基于信任度的消息传播模型"这一主题，发表于2014年的《计算机应用》期刊，作者是张晓伟，来自广东工程职业技术学院计算机信息系。社交网络作为新兴媒体，其影响力日益增强，特别是在商业营销领域，研究如何有效地在社交网络中传播信息具有重大的现实和经济效益。研究者将日常生活中人与人之间的信任原理引入到模型设计中。 该模型首先通过收集个体的公开信息，运用数据挖掘技术对用户进行分类，这是对个体特征和行为模式的初步分析，以便理解他们的潜在兴趣和信任倾向。分类的目的是为了识别出可能的不同社交群体，这些群体间的信任度差异会影响信息的扩散路径。 接着，模型计算同类和异类个体之间的信任度，这涉及到网络结构分析和个体间互动的理解。信任度的计算可能是基于历史交互记录、共同好友、评价等多维度指标，以反映个体间的关系强度和可靠性。 在信息传播阶段，模型结合消息内容的属性相似性和个体的信任度来预测消息可能传播的范围。这意味着信息的扩散不仅取决于内容的相关性，还受到信任关系的影响，更有可能在信任度高的联系人之间传播。 论文对比了该模型与两种基准方法在准确度和执行时间方面的性能，结果显示，新模型在信息传播的准确度方面提升了约15%，而且显著减少了计算所需的时间，提高了效率。此外，实验结果与数据集的统计分析结果相比，误差控制在5%以内，证明了模型在实际应用中的有效性。 关键词包括社交网络、数据挖掘、分类算法、信任度、网络结构聚类算法以及消息传播模型，这些都是构建和评估这个模型的关键概念和技术。这篇论文为理解并优化在线社交网络中信息的可信传播提供了一种创新的方法，对于社交媒体平台的运营策略和信息推荐系统具有重要意义。