复杂网络
sina微博_SNS程飞
个人网站:www.ymshici.com
研究方向:机器学习数据挖掘社交网络推荐系统
展开
-
【复杂网络系列】HipHop算法:利用微博互动关系挖掘社交圈
/* 版权声明:可以任意转载,转载时请务必标明文章原始出处和作者信息 .*/ CopyMiddle: 张俊林 TimeStamp:2012年3 月 在微博环境下,如何自动挖掘某个微博用户的社交圈子或者兴趣圈子是个很基础且重要的问题。如转载 2014-01-06 10:46:01 · 2297 阅读 · 0 评论 -
【数据】ZACHARY空手道俱乐部成员关系网络数据集
sourcetarget21313241424351617175768182原创 2015-03-18 16:00:55 · 12416 阅读 · 10 评论 -
【复杂网络系列】社团发现简介
无论从理论研究还是从实际应用的角度来看,研究网络中的社团结构都是非常重要的,原因如下:1,可以从网络的局部结构上更好地理解节点与边的结构与功能;2.可以以社团为基本单位从中观层次更好地理解整个网络的动态性;3.可以从更加粗略的层次上揭示网络的层次结构,并有助于理解网络真是的起源于演化机制;4.为真实世界中规模庞大的、稀疏的链接数据提供了一种仅仅依靠链接关系的聚类方法,而无需依赖于数据的其他属性。转载 2014-03-16 14:45:43 · 7249 阅读 · 0 评论 -
【复杂网络系列】低维空间映射到高维空间的重叠社团发现方法
重叠社团发现的一些想法。在低维空间下,社团之间可能有交集(即社团重叠现象),可以将低维空间映射到高维空间,以达到在高维空间下不相交的目的。比如p1喜欢音乐、象棋,分别拥有音乐和象棋的社团,在低维空间中,两个社团都包含该点p1。在高维空间,p1映射为两个点p11和p12,分别表示具有音乐爱好和具有象棋爱好,以达到在高维空间分离的目的。然后在高维空间上挖掘连通图,达到社团挖掘的目的。图1 低维原创 2014-02-19 10:19:21 · 4068 阅读 · 0 评论 -
【复杂网络系列】复杂网络研究常用载体集
原文出处:http://blog.sciencenet.cn/home.php?mod=space&uid=237587&do=blog&id=228595复杂网络的研究常常是和实际的复杂系统紧密结合的。从小世界和无尺度现象的发现开始,人们就逐渐认识到,包括社会网络中人与人之间的交际网络和Internet, web等大量现实网络在内的系统中隐含了大量的秘密等待人们去发现转载 2014-01-14 18:54:45 · 3807 阅读 · 0 评论 -
【复杂网络系列】SNAP(Stanford Large Network Dataset Collection)实验数据集
SNAP(Stanford Large Network Dataset Collection)实验数据集主要包含以下数据集Social networks : online social networks, edges represent interactions between peopleNetworks with ground-truth communities转载 2014-01-14 18:38:26 · 15567 阅读 · 0 评论 -
【复杂网络系列】社团发现算法研究和在SNS网络中的应用
原文出自:http://blog.chinaunix.net/uid-27105712-id-3309665.html分类: IT业界篇首语:不知道大家有没有用过QQ圈子,或者看过相关新闻,当QQ圈子刚出来时候,很多震撼了,因为把其社会关系很多隐私的部分都挖掘出来。很多人惊呼,QQ圈子利用了腾讯朋友网数据,因为朋友网是实名制网络,和实际社会关系比较接近,只有转载 2014-01-14 19:52:49 · 2360 阅读 · 0 评论 -
【复杂网络系列】gephi绘图
初始尝试用gephi做图,效果不错,截几张照片大家共享下。原创 2014-01-10 18:39:25 · 8558 阅读 · 1 评论 -
【复杂网络系列】图模型语言(graph model language)gml格式文件生成代码
python代码edges格式如下:edges={}edges[node1]={}edges[node2]={}edges[node1][node2]=1def gen_gml_file(edges,filename): """ 生成gml格式文件 """ fp_out=open(filename,'w')原创 2014-01-09 20:00:34 · 4789 阅读 · 0 评论 -
【复杂网络系列】模块度(Modularity )的计算方法
Modularity Measure(模块化度量值),由Newman等人提出,是目前常用的一种衡量网络中社区稳定度的方法。如上图所示,我们将这个图以图中两根横线为方式进行划分,共得三个社区(community),其中红色,绿色以及蓝色的点各为一个社区。这里我们采用的计算公式为:Q=∑(I/E-((2I+O)/2E)**2)。在上式中I表示两个端点原创 2014-01-09 17:03:59 · 25074 阅读 · 2 评论 -
【数据】EAGLE算法数据
1 21 31 41 51 62 32 42 52 63 43 53 64 54 65 65 224 2320 2120 2220 2320 1821 2318 1918 2018 2118 2218 2319 2219 2322 2317 1817 193 73 8原创 2015-03-18 16:38:55 · 1923 阅读 · 0 评论