一种在社会网络子社区内识别枢纽节点的鲁棒流程
社会与信息网络
2018-04-24 v1
摘要
在这项工作中，我们扩展了先前的工作，其中我们提出了一种基于 Karhunen-Loeve 变换构建的合适状态模型，以建立一种新的决策流程，从中我们可以提取关于从初始网络中识别出的潜在子社区的有用知识与信息。该方法旨在构建一个多层次知识检索框架。除了该方法能够降低数据高维性的能力外，新的检测方案能够从子社区中提取密集子群，其定义和表述了与能量和共能量概念相关的新的量。节点的能量定义为其对活动集合的参与率，而共能量概念定义了两个节点之间的交互/连接率。这两个重要特征被用于使每条连边加权且有界，从而我们能够执行子社区发现的精细细化。本研究允许通过提取每连边或每子社区内部的信息来进行多层次分析。作为本工作的改进，我们定义了枢纽(pivot)的概念，以关联网络中具有最大影响的节点。我们提出使用一种基于将合适的概率模型转化为可能模型的表述的细致工具来提取
引用
@article{arxiv.1804.08419,
title = {A Robust Process to Identify Pivots inside Sub-communities In Social Networks},
author = {Joseph Ndong and Ibrahima Gueye},
journal= {arXiv preprint arXiv:1804.08419},
year = {2018}
}
备注
15 pages, 5 figures; Conference: CNRIA 2018. arXiv admin note: substantial text overlap with arXiv:1312.4617 by other authors