Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

06.11.2019 | Original Article | Ausgabe 14/2020

Neural Computing and Applications 14/2020

Consensus-based aggregation for identification and ranking of top-k influential nodes

Zeitschrift:
Neural Computing and Applications > Ausgabe 14/2020
Autoren:
Bharat Tidke, Rupa Mehta, Jenish Dhanani
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Technology has continuously been a crucially influenced and acutely tangled with the progress of society. Online Social Networks (OSN) are interesting and valuable datasets that can be leveraged to improve understanding about society and to know inter-personal choices. Identification and Ranking of Influential Nodes (IRIN) is non-trivial task for real time OSN like Twitter which accustom with ever-changing network, demographics and contents having heterogeneous features such as Tweets, Likes, Mentions and Retweets. Existing techniques such as Centrality Measures and Influence Maximization ignores vital information available on OSN, which are inappropriate for IRIN. Most of these approaches have high computational complexity i.e. \(O(n^{3} )\). This research aims to put forward holistic approach using Heterogeneous Surface Learning Features (HSLF) for IRIN on specific topic and proposes two approaches: Average Consensus Ranking Aggregation and Weighted Average Consensus Ranking Aggregation using HSLF. The effectiveness and efficiency of the proposed approaches are tested and analysed using real world data fetched from Twitter for two topics, Politics and Economy and achieved superior results compared to existing approaches. The empirical analysis validate that the proposed approach is highly scalable with low computational complexity and applicable for large datasets.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 14/2020

Neural Computing and Applications 14/2020 Zur Ausgabe

Premium Partner

    Bildnachweise