14、无线网状网络性能评估与推特用户影响力分析

无线网状网络性能评估与推特用户影响力分析

1. 无线网状网络性能评估

1.1 评估系统与方法

研究对基于粒子群优化（PSO）和模拟退火（SA）的混合仿真系统（WMN - PSOSA）进行性能评估，考虑了收缩方法（CM）和线性递减Vmax方法（LDVM）。

1.2 评估结果

仿真结果表明，在该场景下，LDVM的性能优于CM。

2. 推特用户影响力分析

2.1 背景与问题提出

近年来，社交媒体平台众多，如Myspace、Facebook、Twitter等。这些平台带来积极影响的同时，也存在一些问题，如骚扰、网络犯罪等。在这种背景下，了解用户在社交网络中如何获得影响力变得极为重要。对于Twitter而言，它以内容为中心，难以衡量用户影响力，因此需要探索量化影响力的方法。

2.2 相关研究

已有研究探讨了在Twitter上衡量影响力和社交网络潜力的方法。一种方法是不仅考虑关注者和互动，还借助类似PageRank的排名方法分析相似性；另一些方法定义了不同类型的影响力，如入度和转发影响力。研究发现，入度（关注者数量）不能很好地反映用户的实际影响力，转发影响力则更注重内容。

2.3 提出的方法

2.3.1 影响力衡量特征

通过分析数据，确定了四个衡量用户影响力的主要特征：
- 关注者数量 ：用户的关注者数量受知名度和活跃度影响。知名人士即使不经常活跃，其关注者数量也反映了固有知名度；而普通用户可通过经常互动积累知名度，增加关注者数量。但仅关注