探究社交网络中重叠社区结构的合作性
社会与信息网络
2019-01-23 v1
摘要
许多现实世界的网络可以由交互代理网络来建模。对这些交互的分析可以揭示这些网络的基本属性。估计与学习环境中的连接相对应的网络中的协作量，可以揭示学习者在多大程度上与其他学习者分享他们的经验和知识。或者，分析开源软件项目中的交互网络可以显示表明协作效率的指标。这些领域中的一个核心问题是，由于各自社区的合作性值较低，导致网络的合作性值也较低。因此，管理员不仅应该理解和预测网络的合作性，还需要评估其各自的社区结构。为了解决这个问题，本文探讨了开源软件项目和学习论坛两个领域。因此，我们应用多种社区发现算法计算了这些领域对应网络和社区中的合作性量。此外，我们研究了社区属性，并确定了用于估计网络和社区合作性的重要属性。相应地，我们确定了各种社区发现算法在多大程度上影响重要属性的识别和合作性的预测。我们还利用社区属性构建了二元和回归预测模型。我们的结果和构建的模型可用于从社区各自属性推断其社区结构的合作性。在预测网络中的高缺陷结构时，管理员可以寻找有用的驱动因素来增加协作。
引用
@article{arxiv.1901.06608,
title = {Investigating Cooperativity of Overlapping Community Structures in Social Networks},
author = {Mohsen Shahriari and Ralf Klamma and Matthias Jarke},
journal= {arXiv preprint arXiv:1901.06608},
year = {2019}
}