Thuật toán dò tìm cộng đồng của Cla

Thuật toán dò tìm cộng đồng của Clauset, Newman, và Moore (CNM) là một phương pháp loại bỏ sự ảnh hưởng của cộng đồng được xác định trong từng bước của thuật toán. Thuật toán CNM là thuật toán phân cụm theo thứ bậc với thời gian chạy trên mạng có n đỉnh và m cạnh là O(mdlogn) với d là độ sâu của dendrogram miêu tả cấu trúc cộng đồng. Mặc dù thuật toán CNM cho thời gian chạy nhanh và độ đo chất lượng phân chia cộng đồng khá phù hợp với các mô hình thực tế, tuy nhiên kết quả cho ra khá nhiều cộng đồng có cấu trúc lớn, đồng thời việc cực đại hóa giá trị modularity chưa thể giúp ta khẳng định đồ thị có cấu trúc cộng đồng trừ khi các cộng đồng tìm được là các clique.
Từ các điểm yếu của thuật toán CNM thì thuật toán INCRE COMM EXTRACTION (INC) được phát triển để giảm kích thước của các cộng đồng, mối liên hệ giữa các đối tượng trong cộng đồng hẹp lại. Trong bài sẽ mô hình hóa mạng với độ quan tâm của người dùng dựa trên việc suy diễn các tin nhắn không đồng nhất từ các hoạt động truyền thông trên mạng xã hội như các comnent và tweet của các người dùng trên trang Facebook và Twitter. Độ quan tâm của người dùng là các nội dung tương tác nhận được từ mạng động trong tự nhiên được hình thành và phát triển qua không gian và thời gian do các hoạt động xung quanh người dùng sẽ tạo ra được các vòng tròn xã hội.
Kết quả thực nghiệm cho thấy rằng thuật toán INC có thể phát hiện các cộng đồng tốt hơn nhiều so với thuật toán CNM. Kết hợp giữa mô hình độ quan tâm của người dùng và phương thức trích xuất cộng đồng có thể xác định được cộng đồng theo từng chủ đề.

Kết quả (Anh) 1:

Community detection algorithms of Clauset, Newman, and Moore (CNM) is a method of eliminating the influence of the community defined in each step of the algorithm. CNM algorithm is algorithm in cluster ranks with time running on a network with n vertices and m edges is O (mdlogn) with d is the depth of the dendrogram described the structure of the community. Although the algorithm for time-CNM running fast and quality measure divided the community consistent with the actual model, however the results give off quite a lot of communities have large structures, and the maximization of value modularity can not help us affirm community structure in graphs unless the communities find is the clique.From the weakness of the algorithm CNM then INCRE algorithm COMM EXTRACTION (INC) was developed to reduce the size of the community, the relationships between the objects in the community. In the post will model the network with the interest of the users based on the deductive heterogeneous messages from media activities on social networks such as the user's tweet and comnent on Facebook and Twitter. Level of interest of the user is the interactive content received from the mobile network in nature formed and developed through space and time to do the work around users will create is the social circle.Experimental results show that the algorithm INC. can detect the community is much better than the algorithm CNM. Combination model of user's interest level and the method of extracting the community can determine the community under each topic.

Kết quả (Anh) 2:

Detection algorithm Clauset community, Newman, and Moore (CNM) is a method of eliminating the influence of the community identified in each step of the algorithm. CNM algorithm clustering algorithms are hierarchical with time running out there with n vertices and m edges is O (mdlogn) and d is the depth of the dendrogram describing community structure. Although CNM algorithm for faster runtime and quality measurement community split fairly consistent with the real model, but the results provide many communities with large structures, while maximizing the values can not help us modularity confirmed structured graphs community unless the community find the clique.
From the weaknesses of the algorithm algorithm incre CNM EXTRACTION COMM (INC) was developed to reduce the size the size of the community, the relationship between the objects in the narrow community. In modeling the network will concern the users based on the inference inconsistent messages from the communication activity on social networks such as comnent and tweets of users on Facebook and Twitter. User interest is the interactive content from the network received in nature are formed and developed through space and time by the user surrounding activities will create social circles.
experimental results show that the algorithm can detect INC communities much better than CNM algorithm. Model combines the interest of users and the community method can extract identified communities on each topic.