深度学习核心技术精讲100篇(二)-图网络中的社群及社群发现算法
生活随笔
收集整理的這篇文章主要介紹了
深度学习核心技术精讲100篇(二)-图网络中的社群及社群发现算法
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
前言
本篇博文主要講解Graph中社群的概念,然后介紹了一種簡單的社群發現算法Louvain Algorithm,最后提供可重疊的社群發現,提出BigCLAM算法,用來識別節點從屬關系。
01 Granovetter's theory
馬克·格蘭諾維特(Mark Granovetter,1943年10月20日-),美國社會學家,斯坦福大學教授。格蘭諾維特是論文被引用最多的學者之一,根據 Web of Science 的數據,社會學論文被引數排名第一和第三的文章皆出自格蘭諾維特之手。格蘭諾維特因為對社會網絡和經濟社會學的研究而成名。其最著名成就是1974年提出的弱連接理論:與自己頻繁接觸的親朋好友之間是一種“強連接”,通過這種連接獲取到的往往是同質性的信息;但社會上更為廣泛的是一種并不深入的人際關系,這種弱關系能夠使個體獲得通過強關系無法獲取到的信息,從而在工作和事業上、在信息的擴散上起到決定作用。
格蘭諾維特的研究認為如果兩個人之間有共同的朋友,那他們成為朋友的可能性較大。
格蘭諾維特的研究也在真實的數據上得到了驗證:
1. Edge Overlap
簡單解釋下,Edge Overlap表示兩個節點的鄰居節點的重合程度(本身節點不在計算范圍內),下圖中右邊部分右上圖,N(i)=4,N(j)=4,去除本身i, j所以N(i)=4,N(
總結
以上是生活随笔為你收集整理的深度学习核心技术精讲100篇(二)-图网络中的社群及社群发现算法的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 深度学习核心技术精讲100篇(二十一)-
- 下一篇: 见光死怎么办?如何提升用户对网站的好感,