![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
mining-the-social-web
文章平均质量分 76
liveway6
这个作者很懒,什么都没留下…
展开
-
A Dynamic Algorithm for Local Community Detection in Graphs--阅读笔记
AbstractIntroductionContributionDefinitions and Related Work静态的贪婪种子集扩展算法Dynamic seed set expansion algorithmMotivationAlgorithm OverviewAlgorithm DetailsAbstract背景:各种大量的数据集都被表示为显示底层连接、趋势和异常的图形原创 2017-10-26 16:21:23 · 844 阅读 · 0 评论 -
社交网络图挖掘1--将社交网络看作图及其聚类
将社交网络看成图社交网络的基本概念:社区(community):是指具有非同寻常的强连通性的节点子集,其中节点可以是构成网络的人或者其他实体。局部性(locality):是指社交网络的节点和边趋向于聚为社区的这种性质。社交网络的基本特点:一大堆实体参与了网络的构成;网络实体间至少存在一种关系,且关系要么存在要么不存在,关系也可以表示为度数,其中度数可为离散值和实数值;对于社交网络有一个非原创 2017-10-24 10:49:29 · 12372 阅读 · 0 评论 -
社交网络图挖掘2--社区的直接发现和图划分
社区的直接发现相关概念利用完全二部图发现社区图划分图划分的好坏标准归一化割描述图的一些矩阵社区的直接发现通过寻找有很多连边的节点子集直接发现社区的技术。相关概念团(clique):任意两个节点之间都存在边的节点子集。二部图(bipartite graph):是由左右两个节点集合组成的图,每条边连接的都是左集合的一个节点和右集合中的一个节点。例子如下: 完全二部图(complete b原创 2017-10-25 09:58:58 · 5176 阅读 · 0 评论 -
社交网络图挖掘3--重叠社区的发现及Simrank
重叠社区的发现相关知识点关系图模型避免成员隶属关系的离散式变化Simrank带重启的随机游走重叠社区的发现相关知识点社区的本质:一个实体有可能同时属于两个社区,任一社区内的边会十分密集,但是两个社区交集内的边会更加密集,而三个社区交集内的边还要密集。极大似然估计(maximum likelihood estimation,MLE):我们对某种对象(如朋友图)实例的生成过程(即模型)建立某种原创 2017-10-25 16:08:47 · 10105 阅读 · 2 评论 -
社交网络图挖掘4--三角形计数问题
计算一个随机图中的三角形数目期望值由n个节点和m条边随机构成的图的中:图中总共有(n3)=n3/6\bigl( \begin{smallmatrix} n \\ 3 \end{smallmatrix} \bigr)=n^3/6个三节点集合;在任意给定的两个节点之间加入边的概率为m/(n2)=2m/n2m/{\bigl( \begin{smallmatrix} n \\ 2 \end{smallm原创 2017-10-25 18:59:39 · 4057 阅读 · 1 评论 -
Unsupervised Feature Selection in Signed Social Networks 阅读笔记
论文来源:2017 KDD 论文链接有符号的社交网络中存在正连接(positive links)和负连接(negative links),最近的一些研究指出,负连接具有一些正连接没有的额外信息。因此,本文提出了一个基于有符号社交网络的无监督特征选择框架SignedFS,同时利用正连接和负连接来获取网络特征的潜在表达,从而实现更好的聚类效果。原创 2017-11-12 15:08:10 · 456 阅读 · 0 评论 -
社交网络图挖掘5--图的邻居性质
有向图和邻居图的直径传递闭包和可达性有向图和邻居有向图(directed graph):是指一个包含节点集合和有向边集合的图,每条有向边写成u→vu\rightarrow v,其中uu为有向边的源节点(source),vv为目标节点(target)。所有的无向图都可以用有向图来表示,无向边(u,v)(u,v)可表示为u→vu\rightarrow v和v→uv\rightarrow u。路径原创 2017-10-26 12:17:02 · 3570 阅读 · 0 评论 -
Unsupervised Sentiment Analysis with Signed Social Networks--阅读笔记
这篇文章研究了一个在有符号社交网络中进行无监督情感分析的新问题。具体来说,在有符号社交网络中引入了情感信息和隐含情感信号,并将其引入到情感模型中。原创 2018-01-09 12:42:36 · 673 阅读 · 0 评论