虚拟社群成员重要性评价算法实现.ppt

虚拟社群成员重要性评价算法的实现 意见领袖 ◆在群体中有一小部分人受到成员的敬重与信赖,互动参与程度高, 社群的贡献大,知名度相当高,他们经常引出新的论题,引导学习互 动,具有较丰富的社交经验和专业知识,解决问题能力较强,具有强 烈学习动机,乐于分享个人经验和心得,积极帮助其他成员学习知识 我们称其为“意见领袖”。他们在社群中发表文章、分享知识,受到 了多数人的关注,是群体的核心人物,是社群中具有很强的凝聚力 如果一个群体中缺乏意见领袖时,社群图就会显得很散乱,网络结构 关系就显得很松散。还有一部分成员处于社群的边缘,缺乏沟通和共 享,说明他们与社群中的其他成员交流不积极,很少在社区发表文章 和观点,对社群的贡献不大 ◆用社会网络理论来分析,网络中的每个结点都扮演着不同的角色。意 见领袖是在社会网络中占有核心位置的结点,他能够影响网络中的其 他结点对事件的看法,社群则是有相互联系紧密的结点组成。那些贡 献不大的成员处于网络的边缘位置,与其他结点交流不多。 1基于中心性指标的社群成员重要性评价算法 设是传统意义上的图,F是其节点集合,E是图G边的集合, K是一个结点。定义如下概念 ACd(K)为节点的相对点度中心度,其中是一个网络的结点 数,是一个二值变量,为1说明结点之间直接相连,为0说 明不直接相连。 a(i, k) Cd(K) n-1 B.Cb(K)是节点的相对中间中心度,其中是一个网络的结 点数,是一个二值变量,表示结点之之间的最短路径是否 通过结点,通过则为1,否则为0。 ∑8/(k) Cb(k)=74 C.Cc(K)是节点的相对接近中心度,其中为结点之间的最 短路径长度。 ∑l(,k) Cc(K) (n 向量(Ca(K),Cb(K),Cc(K)称为节点的中心度。 。直观地来看,点度中心度反映了节点在网络中的活跃程度。 个结点的点度中心度很高意味着它很可能是网络的核心。 中间中心度衡量的是某个特殊的结点与其它结点间接近的 程度,刻画了该点与图中其他点之间交往关系的能力。接 近中心度衡量了一个结点和其它结点间距离的远近,反映 了一个结点到达其他所有结点的速度。而中心度集成了上 述三者,描述了节点在网络中的中心地位的程度