人群与网络学习——第1周课程

李老师在coursera里面的课程,讲社交网络的。

第一周:

基本知识的讲解

1.1 人群与网络

介绍了一些networks,提出了一个观点:计算能力的发展,使得挖掘这些意义成为可能,使得针对网络的可计算性,也越来越凸显。进而,使得人类社会的行为,及其与网络之间的 互动关系的可预测性,也变得越来越有意义。

1.2 网络与图

图的基本性质:节点和边。网络 图是网络结构信息的抽象,表达的是网络中各种事物之间的关系。

1.3 路径,连通图,联通分量

so easy

1.4 广度优先于二部图

二部图:所有的节点被分成两个部分,所有的边都跨两个节点,这两个节点都来自不同的部分。

如果一个图中,存放一个子圈,这个子圈中包括奇数个节点,那个这个图不是二部图。

二部图的判定:对一个图进行宽度(广度)优先搜索,如果不存在层内边,则该图可以被划分为二部图。

层内边的定义:一条边,位于第i层,也位于第i+1层。

1.5 三元闭包聚集系数:

三元闭包:三个节点,这三个节点都是连接的,构成了一个三角形,就叫三元闭包。

聚集系数:这里的聚集系数实际上指的是局部聚集系数,即某个点的聚集系数。

局部聚集系数的公式:(以点A为例) = (这些点对中是直接连同的点对的个数) / (通过A而连同的点对的个数,例如(B-A-C, B-A-D中的点对BC,BD))

每个点聚集系数的大小,表示聚集其他点的能力。

聚集系数的意义:BC都是A的朋友,聚集系数越大,则BC也是朋友的可能性就越大。

1.6 三元闭包的验证:

一个实验:电子邮件社会网络,再次验证了三元闭包。两个互不认识的朋友之间,共同朋友的个数越多,这两个人之间认识的可能性越大。这里面强调的一点是朋友关系图是不断发生变化的,所以会得到一个关于时间——认识的概率的图。

1.7 强弱关系结构洞

结构洞:如果删除一个节点,原先的联通部分变成了多个联通子图,那么这个点就在结构洞的位置上。一个图可以有多个结构洞。

聚集系数反应的是一个节点与邻居节点的关系的紧密程度,但是结构洞则反应的是一个点对整个图的联通性的作用大小。

嵌入性的度量:一条边的两端所共有的邻里数。嵌入性越强的边,相互之间的信任也就越强。

1.8 弱关系与网络中的捷径

捷径表示,如果两个点直接联通,如何删除这条联通边,这两个点直接的距离长度大于等于3,那么被删除的那条边就是捷径。

强三元关系:有BC都是A的朋友,AB之间是强关系,AC之间是强关系,则BC之间不可能没有关系。

符合强三元关系:BC都是A的朋友,AB之间是强关系,AC之间是强关系,BC之间有关系,则A符合强关系三元组。

违背强关系三元组:BC都是A的朋友,AB之间是强关系,AC之间是弱关系,但BC之间没有关系,则A违背强关系三元组。

捷径与弱关系:若节点A符合强三元闭包,且至少有两个强关系邻居,则与A相连的任何捷径必定意味着是弱关系。

假设BC是A的强关系邻居,如果D也是A的强关系邻居,说明BD和CD之间一定有联系,如果没有联系,D不可能是强关系,只可能是弱关系。


你可能感兴趣的:(social,network,study)