Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Анализ социальных сетей
Содержание
- 1. Анализ социальных сетей
- 2. Зачем«Все связано»Изучение связейВыявление влиятельных объектовРаспространение идей, заболеваний,
- 3. Атипичная пневмонияhttp://ai.arizona.edu/research/bioportal/
- 4. Рецепты и ингредиентыTeng C.Y. et al. Recipe recommendation using ingredient networks
- 5. Письма в организации
- 6. Визуализация
- 7. Упрощение восприятия
- 8. Пример: Политические блоги
- 9. Пример: Дружеские связи
- 10. Пример: Профессиональные связи
- 11. МетрикиМощность, меры центральности
- 12. МощностьВходящаяИсходящаяКомпоненты связности, главный компонент
- 13. Центральностьесть ли выделяющиеся узлы
- 14. Центральность: пример
- 15. Мостысуществуют узлы с низкой мощностью, но «в выгодном месте»
- 16. Betweennessчисло путей, проходящих через узел
- 17. Близостьважно быть в активном окружении
- 18. Близостьоснована на длине кратчайшего пути между рассматриваемой вершиной и всеми остальными
- 19. Другие метрикиeigenvectorsрасширение на ориентированные графыPage Rank…
- 20. Сообщества
- 21. Выделение сообществизучение структурыраспространение информацииформирование мнений
- 22. Кликивсе узлы в клике связаны друг с другом
- 23. k-ядракаждый узел связан с k других узлов
- 24. Другие способыn-клики: максимальное расстояниеp-клики: частота связи в группекластеризациямодулярность
- 25. Случайные графы
- 26. Зачем нужна модельУпрощение представленияМатематические выводыПредсказанияСравнения и различия
- 27. Граф Эрдеша-РеньиНеориентированный графУзлы связаны случайноПараметрыN – число вершинp – вероятность ребраM – общее число ребер
- 28. Построение случайного графа
- 29. Безмасштабные сетиСтепенное распределение по степени узлаСоответствие сетям реального мираЧисло узлов увеличивается со временемWWWсоциальные сетидружеские предпочтения…
- 30. Модель Барабаши-Албертрост сетипредпочтительное соединениечем выше степень узла, тем вероятнее, что новый узел будет присоединен к нему
- 31. Построение модели«Barabasi Albert model» участника Horváth Árpád
- 32. Распространение информации
- 33. Моделирование в сетяхраспространение информацииидейзаболеванийзнанийкоординациямобилизацияматематические моделиграничные значения
- 34. Программные инструментыGephiNetLogoiGraphPajekUCINetNodeXLNetworkX (Python)sna (R), и другие пакеты
- 35. Что посмотретьSocial Network Analysis https://www.coursera.org/course/snaДанные для Gephi
- 36. Скачать презентанцию
Зачем«Все связано»Изучение связейВыявление влиятельных объектовРаспространение идей, заболеваний, информации…Применение в различных областяхсоциология, экономика, психология, маркетинг, история, политика, здравоохранение, литература, биология…
Слайды и текст этой презентации
Слайд 2Зачем
«Все связано»
Изучение связей
Выявление влиятельных объектов
Распространение идей, заболеваний, информации…
Применение в различных
областях
Слайд 18Близость
основана на длине кратчайшего пути между рассматриваемой вершиной и всеми
остальными
Слайд 24Другие способы
n-клики: максимальное расстояние
p-клики: частота связи в группе
кластеризация
модулярность
Слайд 26Зачем нужна модель
Упрощение представления
Математические выводы
Предсказания
Сравнения и различия
Слайд 27Граф Эрдеша-Реньи
Неориентированный граф
Узлы связаны случайно
Параметры
N – число вершин
p – вероятность
ребра
M – общее число ребер
Слайд 29Безмасштабные сети
Степенное распределение по степени узла
Соответствие сетям реального мира
Число узлов
увеличивается со временем
WWW
социальные сети
дружеские предпочтения
…
Слайд 30Модель Барабаши-Алберт
рост сети
предпочтительное соединение
чем выше степень узла, тем вероятнее, что
новый узел будет присоединен к нему
Слайд 31Построение модели
«Barabasi Albert model» участника Horváth Árpád - Created by
the NetworkX module of the Python.
Слайд 33Моделирование в сетях
распространение
информации
идей
заболеваний
знаний
координация
мобилизация
математические модели
граничные значения
Слайд 34Программные инструменты
Gephi
NetLogo
iGraph
Pajek
UCINet
NodeXL
NetworkX (Python)
sna (R), и другие пакеты
Слайд 35Что посмотреть
Social Network Analysis https://www.coursera.org/course/sna
Данные для Gephi https://github.com/gephi/gephi/wiki/Datasets
Newman M. E.
J. Modularity and community structure in networks http://www.pnas.org/content/103/23/8577.ful
Freeman L.2004. The
Development of Social Network Analysis: A Study in the Sociology of Science. Empirical Press of Vancouver, BC, Canada Wellman B. Marin A. 2011. Social Network Analysis: An Introduction, in P. Carrington, J.Scott, eds., Handbook of Social Network. Thousand Oaks, CA: Sage.
Wasserman S., Faust K. 2005. Social networks analysis: Methods and applications. New York: Cambridge University
Теги
