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)

原文地址:https://www.cnblogs.com/huhaibo/p/3450366.html