関心クラスタリング係数:ツイッターのような有向ネットワークのための新しい計量【JST・京大機械翻訳】

Trolliet Thibaud; Cohen Nathann; Giroire Frederic; Hogie Luc; Perennes Stephane

プレプリント

J-GLOBAL ID：202202200033178054 整理番号：22P0177637

関心クラスタリング係数:ツイッターのような有向ネットワークのための新しい計量【JST・京大機械翻訳】

Interest Clustering Coefficient: a New Metric for Directed Networks like Twitter

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年08月02日プレプリントサーバーでの情報更新日： 2020年08月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ここでは,有向ソーシャルグラフのクラスタリングを研究した。クラスタ化係数を導入し,友好性の友好性が myしい傾向があるという社会的現象を捉えた。この計量は広く研究され,ソーシャルグラフの特性を記述するのに大変興味深いことを示した。事実,クラスタリング係数は,リンクが,友人リンク(Facebook)または専門リンク(LinkedIn)のような無向であるグラフに対して適応される。リンクが情報の消費者に情報源から指示されるグラフに対して,それはより適切でない。著者らは,以前の研究がそのようなグラフの有向部分に含まれる情報の多くを見逃すことを示した。そこで,関心リンクを持つ有向ソーシャルグラフのクラスタリング,すなわち,関心クラスタ化係数を測定する新しいメトリックを導入した。非常に大規模なソーシャルグラフ,すなわち505百万のユーザと23億のリンクを有するTwitterスナップショットに関するそれ(厳密とサンプリング法)を計算した。さらに,そのような大きなスナップショットで最初に導入した有向および無向のメトリックスの値を提供した。興味クラスタ化係数は,文献中に導入された古典的有向クラスタ化係数よりも大きいことを示した。これは,有向グラフの情報的側面を捕えるための計量の関連性を示す。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

ネットワーク法 , システム工学一般 , 通信網 , 計算機網 , グラフ理論基礎

, , ,

前のページに戻る