社交网络可以用来描述现实社会中的实际网络,它包括人与人之间的社会关系,物种之间的捕食关系,科学研究中的合作关系等。大量研究已经表明在真实世界中各种不同社交网络具有许多共同的结构特征,例如小世界性质、无标度性、社团结构等。
目前,社团发现算法已比较成熟,具体的算法有:GN算法、谱平算法、Kernighan-Lin算法等。
社团划分方法也有很多。
以下是《基于链路预测的微博用户关系分析》的一些学习笔记:
微博用户之间形成了复杂的社交网络。在微博用户之间有各种影响因素,链路预测是微博用户关系分析的一种模型,该种方法引入了属性特征,构造了随机森林的链路预测模型,并将模型应用于新浪微博用户数据集,进行微博用户关系的训练预测。通过比较引入微博属性特征前后的预测性能以及特征的重要性分布,分析了各类特征对微博用户关系形成的影响。
网络中的链路预测是指如何通过已知的网络结构等信息,预测网络中尚未产生连接的两个节点之间产生连接的可能性。网络中的顶点代表用户,边代表用户关系,链路预测问题正是对用户未来关系的分析。目前,社会网络链路预测模型主要发展为三大类: