zoukankan      html  css  js  c++  java
  • 社会计算 社区发现和社会媒体挖掘 读书笔记1

     1.大规模的网络属性:

    1)无尺度分布(scale-free distribution)(亦即幂律分布)、2)小世界效应(the smaill-world effect)(六度分离,six degrees of separation)、3)强的社区结构(strong community structure)(聚类系数(clustering coefficient))

    2. 中心性(centrality)分析——中心节点(病毒营销、口碑宣传);分类(classification)与推荐(recommendation)——链接预测(link prediction )--协同过滤(collaborative filtering)

    3、中心性 centrality分析能给出评价结点重要性的测度。常用的方法——度中心性(degree centrality)、 紧密度中心性(closeness  centrality)、介数中心性(betweenness centrality)和特征中心性(eigenvector centrality)。

    degree centrality 规范化 公式为:C‘(vi)=di/(n-1)

  • 相关阅读:
    Python 模块,数据类型,元组
    Python条件循环判断
    Python简介
    File对象的基本操作学习
    File对象的基本操作学习
    sublime学习心得
    sublime学习心得
    IO学习
    IO学习
    Emacs学习
  • 原文地址:https://www.cnblogs.com/huhaibo/p/3450366.html
Copyright © 2011-2022 走看看