网络分析相关
文章平均质量分 67
蓁蓁尔
A goal is a dream with a deadline.
展开
-
随机网络和无标度网络
传统的随机网络(如ER模型),尽管连接是随机设置的,但大部分节点的连接数目会大致相同,即节点的分布方式遵循钟形的泊松分布,有一个特征性的“平均数”。连接数目比平均数高许多或低许多的节点都极少,随着连接数的增大,其概率呈指数式迅速递减。故随机网络亦称指数网络。节点连接数的泊松分布:一个随机网络: 现实世界的网络大部分都不是随机网络,少数的节点往往拥有大转载 2015-11-24 14:38:33 · 8955 阅读 · 1 评论 -
网络表示学习(DeepWalk,LINE,node2vec,SDNE)
1.传统:基于图的表示(又称为基于符号的表示)如左图G =(V,E),用不同的符号命名不同的节点,用二维数组(邻接矩阵)的存储结构表示两节点间是否存在连边,存在为1,否则为0。 缺点:长尾分布下大部分节点间没有关系,所以邻接矩阵非常稀疏,不利于存储计算。2. 网络表示学习(Network Representation Learning,NRL),也称原创 2017-07-24 12:49:01 · 54873 阅读 · 1 评论 -
网络表示学习相关资料
收藏夹有一点爆炸,所以在这边开一个帖子直接扔这吧,下面的资料常看,温故知新。网络表示学习(network representation learning,NRL),也被称为图嵌入方法(graph embedding method,GEM)是这两年兴起的工作,目前很热,许多直接研究网络表示学习的工作和同时优化网络表示+下游任务的工作正在进行中。1.清华大学计算机系原创 2017-07-08 22:59:33 · 3845 阅读 · 0 评论 -
异构信息网络+推荐===总结
关于异构信息网络的基本概念,可以先看看:异构信息网络–基本概念和定义学习笔记**一、元路径(Meta Path)** - 因为异构信息网络(以后简称为HIN)中包含着更多的节点类型和边的类型,相对于同构网络来说比较复杂,所以Yizhou Sun【1】第一次提出了元路径(meta path)的概念,基于元路径来分析HIN,简单来说元路径就是连接两个节点之间的边类型和节点类型...原创 2017-06-22 18:52:28 · 15350 阅读 · 4 评论 -
SimRank--基于结构的相似度度量方法学习笔记
详见:Glen Jeh 和 Jennifer Widom 的论文SimRank: A Measure of Structural-Context Similarity∗一、简介目前主要有两大类相似性度量方法: (1) 基于内容(content-based)的特定领域(domain-specific)度量方法,如匹配文本相似度,计算项集合的重叠区域等; (2) 基于链接(对象间的原创 2016-07-18 17:24:50 · 7865 阅读 · 0 评论 -
PageRank与个性化PageRank算法学习笔记
PageRank算法简介及Map-Reduce实现见:http://www.cnblogs.com/fengfenggirl/p/pagerank-introduction.html用PersonalRank实现基于图的推荐算法 见:http://blog.csdn.net/harryhuang1990/article/details/10048383原创 2016-03-28 09:59:34 · 3618 阅读 · 0 评论 -
异构信息网络--基本概念和定义学习笔记
详见:Chuan Shi 的论文A Survey of Heterogeneous Information Network Analysis原创 2016-03-24 09:33:54 · 18713 阅读 · 5 评论 -
HITS算法详解及代码实现
占坑原创 2016-03-29 16:43:42 · 7212 阅读 · 7 评论 -
小世界网络
20世纪末,很多科学家发现研究过的自然、社会和技术网络中,大都具有这些特征:高度的集群性、不均衡的度分布以及中心节点结构。这些特征的出现不是偶然的,为什么现实世界中的网络会具有这些特征呢?这是网络科学的主要问题,目前基本上已经通过建立网络的发展模型解决了。其中有两类模型被深入地进行了研究,分别是小世界网络和无尺度网络,这里结合原始论文谈谈对小世界网络的认识。 1998年,邓肯·瓦转载 2015-11-24 14:29:35 · 3960 阅读 · 0 评论