社会化媒体大数据多阶段整群抽样方法

• 作者: 崔颖安 张德运 李雪 王志晓
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 在线社会化媒体 大数据 马尔可夫蒙特卡洛方法 多阶段整群抽样
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 大数据专题
• 页码范围: 781-796
• 页数: 16页
• 分类号: TP311
• 字数: 14023字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004566

摘要

在线社会化媒体大数据是行动者自组织关系的集合,其内部蕴含了多层次的社会实体关系,因此,在线社会化媒体大数据抽样方法的研究对于社会计算这一新兴研究领域具有重要的理论和应用价值.现有抽样方法存在大型马尔可夫链难以并行化、样本局部性陷入、马尔可夫链燃烧预热等问题.针对这些问题,提出了在线社会化媒体大数据整群多阶段抽样方法OSM-MSCS.该方法首先进行整群分解,将总体分解成若干小型凝聚子群;而后,使用动态延迟拒绝方法对凝聚子群内部的关系抽样;最后,使用Gibbs方法完成不同凝聚子群之间相干关系的筛选,从而获得整个样本序列.实验结果表明,OSM-MSCS方法能够有效地对各种结构特征的在线社会化媒体大数据进行抽样,从“个体地位-群体凝聚性-整体结构性”这3个层次进行综合评价,其抽样效果要明显好于MHR和BFS这两种最主流的抽样方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张德运	西安交通大学电信学院	184	2190	23.0	37.0
2	李雪	陕西师范大学国际商学院	27	149	7.0	11.0
3	崔颖安	西安交通大学电信学院	30	263	9.0	15.0
5	王志晓	西安交通大学电信学院	5	48	3.0	5.0