基於能見度與新穎性的社群網路演化模型

A Social Network Evolution Model Based On Visibility and Freshness

柯怡光(Yi-Kuang Ko)

指導教授 ： 鄭士康

共同指導教授 ： 林守德

國立臺灣大學/電機資訊學院/電機工程學研究所/碩士(2010年)

https://doi.org/10.6342/NTU.2010.01265

摘要

社群網路是一種用來描述個體間彼此關係的表現方式。而研究人員在不同領域的社群網路上面發現了許共通的特性，並且針對這些特性提出各種對應的社群網路產生模型。然而，這些模型多半著重在如何產生類似社群網路的結構特性，而忽略個體間的差異所帶來的影響。本論文藉由分析資料中節點與其鄰居的連結建立時間，說明對於新進入社群網路中的節點，在建立連結時會受到其他節點存在於社群網路的時間長短所影響。並且針對此一分析結果提出一偏好選擇的模型，對於不同概念Random Selecting，Seniority-Similar Selection，Elder-preferred Selection的選擇方式進行模擬。然而實驗的結果顯示，僅靠單一偏好的選擇方式並沒有辦法很好的重現現實資料中所分析出的特性。因此，我們提出一Mix Gaussian Model，藉由同時考慮新穎性與能見度兩種概念方式進行模擬，結果顯示此一方法最能夠符合資料的特性。

關鍵字

社群網路 ； 圖形演化

並列摘要

無資料

並列關鍵字

Social Network ； Graph Evolution

參考文獻

[1] Akoglu, L. and C. Faloutsos (2009). RTG: A Recursive Realistic Graph Generator using Random Typing.

[2] Akoglu, L., M. Mcglohon, et al. (2008). RTM: Laws and a recursive generator for weighted time-evolving graphs.

[3] Alessandra Sala, L. C., Christo Wilson, Robert Zablit, Haitao Zheng and Ben Zhao (2010). Measurement-calibrated Graph Models for Social Network Experiments. International World Wide Web Conference

[5] Chakrabarti, D., Y. Zhan, et al. (2004). R-MAT: A recursive model for graph mining. In SDM.

[6] David M. Pennock, G. W. F., Steve Lawrence Eric J. Glover C. Lee Giles (2001). Winners don't take all: Characterizing the competition for links on the web. PNAS.