复杂网络 | 大规模网络挖掘
文章平均质量分 74
范涛
1:硕士毕业于中国科学技术大学;
2:曾就职深圳腾讯,现在就职百度
3:sina微博http://www.weibo.com/1680645085/
4:关注机器学习,数据挖掘,推荐系统和金融风险模型
展开
-
重读网络挖掘中community detection 文章--Fast unfolding of communities in large networks
community detection 社区发现算法原创 2014-08-29 20:25:15 · 4452 阅读 · 1 评论 -
Spark Graphx 进行团伙的识别(community detection)
在金融科技领域,尤其风控领域,会有各种重要的关联网络,并且这种网络图十分庞大。 下面以设备间关联网络为例,采用Graphx做一个设备团伙挖掘demo。团伙识别的算法采用的是Graphx自带的LabelPropagation算法原创 2017-03-31 10:57:57 · 11125 阅读 · 4 评论 -
新浪微博如何找出专家和高质量的微博贴? ------spear ranking 算法
在微博上,我们可以看到各种转微博行为,有人转微博,有微博被转? 我们能不能通过这些转发行为来找出微博上权威专家用户和高质量微博贴? 我觉得是可以的。但是,这里有个问题,我们的算法必须能做到反作弊,对那些作弊的用户或者作弊的微博贴,我们能侦查出来,而不会给出高分。简单的说明:比如一个贴被一群水军疯狂转发,一个微博人疯狂转各种低质量的微博。在web2.0 搜索时代,有两个出名的ranking算法:原创 2013-09-07 13:09:16 · 2312 阅读 · 1 评论 -
微博好友推荐算法-SALSA
在微博上,你关注的人会是谁?微博网络中几亿用户,如何在里面找出你感兴趣的人推荐给你? 从系统层面上来看,这个是很有挑战性的工作,即涉及到好的推荐算法能把握用户的喜好和关注点,同时也要良好计算系统能够快速响应。这里主要谈论微博好友推荐算法部分(Twitter上的推荐算法)。 首先看下面的用户关注之间的二部图(1),左边是用户圈,就是用户的信任圈子,右边的是用户信任圈集合用户关注的所用用户,我原创 2013-05-26 11:14:01 · 5377 阅读 · 0 评论 -
互联网恶意用户的排序算法
A robust ranking algorithm to spamming论文链接 http://iopscience.iop.org/0295-5075/94/4/48002周涛博文:http://blog.sciencenet.cn/home.php?mod=space&uid=3075&do=blog&id=562170周涛的方法如下:恶意用户是一个让所有互联网原创 2012-05-17 14:05:01 · 1484 阅读 · 0 评论 -
读周涛团队--挖掘社会网路意见领袖论文
对于社会网络来说,网络中会存在一些非常重要的节点,消息通过这些节点传播会非常的快。就像如果想要非常好的营销策路,我们有时会寻找有很多知名度业界人士选用自己的产品,广告的作用也是如此。当我们阅读博客的时候,名人效应是很明显的,我们会跟踪一些行业领袖的博客,这样,我们能得到行业最前研信息。这个时候,我就想到名人的社会责任感问题,名人的确应该和时刻注意自己的言行,他们一言一行在当今发达的信息传播中是传播原创 2012-05-17 13:52:12 · 2312 阅读 · 0 评论 -
图模型在欺诈检测应用一点看法
背景为什么是图模型? (1) 现实世界,实体之间本身就是存在自然关联的。(2)欺诈者容易改变自身欺诈手法,逃避风控规则,但是他难以改变的全部关联关系,以及难以掌握全局视图,难以让他所在网络群体同步执行相同操作来躲避风控。还有一句话"天网恢恢,疏而不漏",当关联网络覆盖到一个很大范围时候,欺诈者即使再小心,可能也会无意中暴露出一点蛛丝马迹。在一个大型关联网络中,是十分容易发现原创 2017-12-07 20:12:22 · 17184 阅读 · 2 评论