社交网络模型

最新推荐文章于 2024-05-04 13:20:39 发布
最新推荐文章于 2024-05-04 13:20:39 发布
阅读量1.3k 收藏 6
点赞数 1
分类专栏： social network 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/just_you_57/article/details/127795166
版权

社交网络模型

1.空手道俱乐部模型

1.1 模型概述

空手道俱乐部模型是以一个34人的团体构成的网络拓扑模型，由于俱乐部创始人与空手道教练就学员学费产生分歧，导致俱乐部形成以这两人为首的两个团体。

1.2 俱乐部裂变前的图形和矩阵表示

1.2.1 俱乐部图形表示

在这里插入图片描述

这是俱乐部34个成员之间的关系图解，当俱乐部成员在除了空手道课程，锻炼，和俱乐部会议之外的环境中持续互动时，表示两者关系密切，可相互影响，此时就会在两点之间连接一条线。

1.2.2 俱乐部矩阵表示

在这里插入图片描述

空手道俱乐部分裂前的矩阵表示，行列表示个体，两者持续互动用1表示，无互动用0表示。

# 空手道俱乐部分裂前矩阵关系列表
pri_list = [
    [0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]
    [1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0]
    [1, 1, 0, 1, 0, 0, 0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 0]
    [1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1]
    [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1]
    [1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]
    [0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]
    [1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]
    [1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 1]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1]
    [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1]
    [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1]
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1]
    [0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]
    [1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 1]
    [0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1]
    [0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0]
]

上述代码块为俱乐部关系的列表表示，可以在后续的社交网络实验中直接复制引用。

1.3 俱乐部带权无向图表示

在这里插入图片描述

通过一定条件确定俱乐部成员之间的关系强弱，给出成员之间的交互次数、频率，可在后续的研究中加以参考，权值越大表明二者关系更加密切，在俱乐部后期分裂时，对彼此的影响越大。

adjlist = [
    [0, 4, 5, 3, 3, 3, 3, 2, 2, 0, 2, 3, 2, 3, 0, 0, 0, 2, 0, 2, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0],
    [4, 0, 6, 3, 0, 0, 0, 4, 0, 0, 0, 0, 0, 5, 0, 0, 0, 1, 0, 2, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0],
    [5, 6, 0, 3, 0, 0, 0, 4, 5, 1, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 2, 0, 0, 0, 3, 0],
    [3, 3, 3, 0, 0, 0, 0, 3, 0, 0, 0, 0, 3, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [3, 0, 0, 0, 0, 0, 2, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [3, 0, 0, 0, 0, 0, 5, 0, 0, 0, 3, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [3, 0, 0, 0, 2, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [2, 4, 4, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [2, 0, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 4, 3],
    [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2],
    [2, 0, 0, 0, 3, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [2, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [3, 5, 3, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 2],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4],
    [0, 0, 0, 0, 0, 3, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [2, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2],
    [2, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 1],
    [2, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 5, 0, 4, 0, 2, 0, 0, 5, 4],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 3, 0, 0, 0, 2, 0, 0],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 5, 2, 0, 0, 0, 0, 0, 0, 7, 0, 0],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 2],
    [0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 3, 0, 0, 0, 0, 0, 0, 0, 0, 4],
    [0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 2],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 4, 0, 0, 0, 0, 0, 3, 2],
    [0, 2, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 3],
    [2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 7, 0, 0, 2, 0, 0, 0, 4, 4],
    [0, 0, 3, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 3, 3, 0, 0, 1, 0, 3, 0, 2, 5, 0, 0, 0, 0, 0, 3, 3, 4, 0, 5],
    [0, 0, 0, 0, 0, 0, 0, 0, 3, 2, 0, 0, 0, 3, 2, 4, 0, 0, 2, 1, 1, 0, 0, 4, 0, 0, 2, 4, 2, 2, 3, 4, 5, 0],

]

将上述的带权无向图用python中的列表表示，方便后续的实验引用

1.4 空手道俱乐部模型结果

在这里插入图片描述

上述表格表明了俱乐部成员分裂前后的结果，其中第一列表表示成员编号，第二列表示成员分裂所属的派系，第三列表示使用 NETFLOW 模型进行预测的结果（参考价值不大），第四列表示模型预测的准确性，第五列为空手道俱乐部成员实际分裂的结果（重点结果），第六列为使用 NETFLOW 模型预测的分裂结果，第七列表示预测分裂结果的准确性

在上述表中，9号节点在初始时所属派系为John ,且属于John派系的弱连接，但是在最后分裂之后归属到Mr.Hi派系，可能与实际情况有关，因为在俱乐部分裂后的三周内就是空手道黑带测试，而俱乐部分裂之后，John所在派系的俱乐部选择进行另一种类型的空手道教学，如果选择John所在的派系，意味着他要放弃即将的黑带测试，并重新成为一个白带学员（空手道中的初始段位）

际情况有关，因为在俱乐部分裂后的三周内就是空手道黑带测试，而俱乐部分裂之后，John所在派系的俱乐部选择进行另一种类型的空手道教学，如果选择John所在的派系，意味着他要放弃即将的黑带测试，并重新成为一个白带学员（空手道中的初始段位）

2.海豚模型

clown丶随你
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
社会网络分析SNA
咔嚓咔嚓
12-24 2万+
一、参考文献 【1】柳瑞雪, 石长地, 孙众. 网络学习平台和移动学习平台协作学习效果比较研究——基于社会网络分析的视角[J]. 中国远程教育, 2016(11):43-52. 【2】常咏梅, 张雅雅, 金仙芝. 基于量化视角的STEM教育现状研究[J]. 中国电化教育, 2017(6):114-119. 【3】刘三, 石月凤, 刘智, et al. 网络环境下群体互动学习分析的应用研究——...
社交网络分析——信息传播模型（附带三个模型的python实现）
小黄的博客
05-19 2万+
摘要：主要讲解一些基本的信息传播模型，以及IC模型、SI模型和SIR模型的python实现及可视化。 author：xiao黄 缓慢而坚定的生长 最后更新于2020.10.06
图神经网络：(节点分类)KarateClub数据集上实现图神经网络
zhishichengjin的博客
05-01 2168
文献”SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS“解读。使用GCN解决KarateClub社交网络问题。
社交网络分析5：社交网络信息传播动力学。信息传播 、传染病模型、博弈模型和物理系统模型 、传播动力学分析 、 未来发展趋势与展望_传染病模型社交网络(2)
最新发布
2401_84264244的博客
05-04 884
这一部分将介绍各种模型的数学表达方式，以及它们是如何应用于社交网络信息传播的。
利用node2vec和k-means对图数据进行节点聚类分析
KI的博客
12-18 4385
利用node2vec和k-means对图数据进行节点聚类分析
图数据集Zachary‘s karate club network详细介绍，包括其在NetworkX、PyG上的获取和应用方式
诸神缄默不语的博客
06-03 9463
图挖掘领域常用的数据集 Zachary's karate club network 来源、应用等详解。 尤其讲述了NetworkX、torch_geometric (PyG) 两个Python包中该数据集的获取及应用方式。
社交网络模型，海豚网络
12-23
社交网络模型，海豚湾网络，压缩包中包含网络模型的数据集，以及二维矩阵模型
实践社交网络分析
11-15
介绍了社交网络分析中的理论，并给出了许多具体的案例
PSM.zip_信息传播模型_社交网络
07-13
本资料包“PSM.zip”提供了一个基于PSM（Propaganda Spread Model，宣传传播模型）的社交网络模型代码，它旨在模拟信息在社交网络中的真实传播路径和效应。 PSM模型是信息传播理论的一种应用，其核心在于考虑个体...
Flickr社交网络数据集
01-02
《Flickr社交网络数据集深度解析》 Flickr，作为全球知名的图片与视频分享平台，其用户间的互动数据构成了一个庞大的社交网络。该平台不仅承载了丰富的多媒体内容，更是研究社交网络、用户行为以及社区结构的理想...
facebook_pub_社交网络_
10-04
在IT领域，社交网络是互联网应用中的重要组成部分，它们改变了人们相互交流和分享信息的方式。以Facebook为代表的社交网络，不仅提供了个人与个人之间的连接平台，还构建了一个庞大的数据宝库，为研究者提供了丰富的...
社交网络预测分类模型
04-08
对时下流行的社交网络，进行链接预测，对数据挖掘中的很多分类算法进行分析
karate空手道俱乐部数据集权值矩阵、邻接矩阵和net格式。
12-08
可直接用pajek分析，或作为矩阵导入MATLAB使用。
karateclub：空手道俱乐部：面向API的开放源Python框架，用于图形的无监督学习（CIKM 2020）
02-03
空手道俱乐部（ Karate Club）是的无监督机器学习扩展库。 请查看，相关，和 。 空手道俱乐部由最先进的方法组成，可以对图结构化数据进行无监督学习。 简而言之，它是用于小型图形挖掘研究的瑞士军刀。 首先，它在节点和图级别提供网络嵌入技术。 其次，它包括各种重叠和不重叠的社区检测方法。 实施的方法涵盖了广泛的网络科学（ ， ），数据挖掘（ ， ， ），人工智能（ ， ）和机器学习（ ， ， ）会议，研讨会和期刊。 新引入的图分类数据集可从 ， 和。 引用 如果您发现空手道俱乐部和新的数据集对您的研究有用，请考虑引用以下论文： @inproceedings { karateclub , title = { {Karate Club: An API Oriented Open-source Python Framework for Unsupervised Learning on Graphs} } , author = { Benedek Rozemberczki and Oliver Kiss and Rik Sarkar
ADL：社交网络分析与数据挖掘（DAY3）
WalkingAlien World
09-12 959
这是斯坦福大学一个年轻的帅哥老外讲的，社交分析那块讲的很好，不过听得是英文就没空做笔记了（六级裸考懵过~）。
ucinet软件_第24期：【模型算法】社会网络分析SNA操作教程UCINET6.0软件
weixin_39951378的博客
12-11 4819
有关社会网络分析(SNA)的介绍，本期不多做介绍，可以做SNA分析的软件很多，本期重点介绍基于UCINET6.0的社会网络分析SNA具体-操作，UCINET最初是由社会网络研究的开创者、加州大学欧文分校的林顿·费力曼(Lindon Freeman)教授编写。后来又有多个学者进行了更新，下面直奔主题。以下内容不包括软件下载与安装，默认软件已经安装好。不熟悉UCINET软件的可先看看如...
c语言社交网络,【C++】设计并实现一种简单的社交网络模型图
weixin_42613505的博客
05-23 1040
[C++] 纯文本查看 复制代码#include#include#include#includeusing namespace std;#define inf 10000const int MAX = 100;struct link{int data;string name;link *lnext;};struct Node{int v;string nn;link *lnext;};struct...
社会网络分析与挖掘---Python之networkx介绍
热门推荐
CS改变世界
06-18 3万+
最近学习社会媒体挖掘，需要完成几个实验，Python的第三方模块networkx几乎都囊括了这些实现的接口，Python的好处就是开源，所以它的第三方模块的源码都可以看到，我看了实现的源码做了部分修改，算是完成了实验。下面对这个库做一些介绍。 1. introduction networkX是一款Python的软件包，用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能。 有了ne...
几种复杂网络模型的介绍：动态演化网络、社区网络、权重网络、相依网络、多层网络
qq_42213329的博客
11-08 2万+
《复杂网络与大数据》第二章：复杂网络模型的学习笔记 目录 1动态演化网络 1.1以网络演化的部件划分 1.2以是否考虑权重划分 1.3以演化网络采用的演化机制划分 1.4以演化网络是否动态变化划分 2社区网络 2.1复杂网络中社区结构的分类 2.2社区结构评价标准 3权重网络 3.1加权网络的度量 3.2实际加权网络 3.3加权网络建模 4相依网络 4.1相依网络的子网络 4.2相依网络的相依边 4.3相依网络的组合方式 1动态演化网络 演化网络是随着时间的变化而.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值