Please enable JavaScript.

Coggle requires JavaScript to display documents.

Social media mining, Machine learning, Esercizi - Coggle Diagram

- - - - tanto più forte è il legame tra due nodi, maggiore è proporzione individui a cui saranno entrambi connessi
      - sovrapposizione circoli è debole al crescere della debolezza del loro legame
  - - - meno stringente, eliminando link aumentiamo il cammino tra i due nodi di più di 2 link.
    - - link che connette due nodi che hanno pochi amici in comune, legame debole
- - - - Milgram
        
        Path medio lettera da ovunque a broker boston
  - - - soggetto a outliers
        
        soluzione: considero valor medio distanza nodi
- - - - attributi acquisiti da azioni di altri nodi
      - Social influence
        
        Approcci
        
        predizione
        
        ad esempio misure centralità
        
        osservazione
        
        osservo rete, individuo celebrità, diffusione di informazione
    - - Individui simili diventano amici grazie a somiglianze (due musicisti)
    - - Fattori ambientali (abitare stessa città)
  - - - Modularità (Q) = differenza fra frazione di link tra nodi simili calcolata nella rete reale che studio vs rete randomica.
        
        Definisce misura assortatività rete
- - - - prestigio del nodo nella rete
- - - - espliciti, utenti si iscrivono
      - impliciti, caratteristiche di gruppi sociali, appartenenza implicita
    - - calcolare dimensione e plottarla su distribuzione, da alcune caratteristiche interessanti
  - - - Local definition - maximum cliques
        
        Gruppo individui i cui membri si conoscono tutti
      - Almost local definition - grado interno e esterno
        
        Strong community
        
        ogni nodo ha grado interno maggiore di grado esterno
        
        Weak community
        
        gruppo nodi per cui somma nodi grado interno è maggiore della somma del grado esterno
        
        Grado interno e esterno,
      - Algoritmi
        
        Greedy algo
        
        Passaggi
        
        Assegna a ogni nodo una community distinta
        
        Ispeziona ogni coppia e calcola variazione modularità ottenuta da unione di due comunità
        
        Identifico coppia community per cui ho variazione modularità maggiore e unisco
        
        Itero step 2 e 3 finchè tutti i nodi sono stessa community
        
        Registro modularità M per cciclo algoritmo e seleziono partizionamento per cui modularità massima
        
        Problemi
        
        Resolution limit
        
        Poca granularità, otteniamo community molto grandi
        
        soluzione
        
        riallplicare greedy a subset di community identificate, aumentando la risoluzione
        
        Modularity maxima
        
        assunzione rete con evidente struttura ha una partizione ottimale con Mmax
        
        partizione ottimale è difficile da trovare perchè ha plateau con tanti massimi in valori vicini, difficili da ottimizzare
        
        bassa scalabilità (O(NLoog^2N))
        
        Louvian algo
        
        sub ottimo, basato su modularità
        
        complessità O(L)
        
        grazie a muovere nodo localmente, non scalando come l'altro
        
        Passaggi
        
        1
        
        ogni nodo community distinta
        
        per ogni nodo consideriamo vicini, valutando guadagno ottenuto in modularità se rimuovessi i da community e aggiungessi nodo j
        
        se ci sono guadagni positivi sposto
        
        ripeto iterativamente finchè non posso più ottimizzare
        
        a questo punto ho individuato massimo locale di modularità
        
        2
        
        Costruisco rete in cui nodi sono comunità. Ho link se due comunità avevano almeno un link, pesato in base a quanti link collegavano le due comunità originariamente
        
        fine
        
        "passo" la rete delle comunity ottenuta
        
        ripeto finchè non ho più guadagno modularità
    - - Algoritmi
        
        Clique finder (Cfinder)
        
        fasi
        
        a. identifica k clique presenti in rete
        
        b. costruisci rete clique in cui nodo è cliqque e si ha link se clique sono adiacenti (matrice overlap)
        
        c. calcolo componenti connesse su rete clique
        
        d. NNodi componenti connesse corrispondono a community
        
        esempi
        
        analisi di testo
        
        mobile call (belgio)
- - - - global info
        
        her behavior
        
        ogni individuo può osservare azioni altrui e si allinea ai comportamenti
        
        condizioni
        
        presenza processo decisionale
        
        decisioni sequenziali
        
        decisioni non randomiche, basate su info
        
        no sc ambio messaggi, scelta basata su conoscenza e osserv. comportamento
      - local info
        
        information cascade
        
        ogni nodo può interagire solo coi vicini
        
        osservazione e decisione basata solo su comportamento nodi vicini
        
        assunzioni
        
        graffo orientato
        
        decisione binaria, partecipo o non partecipo
        
        nodo, una volta attivato non si può disattivare ma può attivare altri nodi
        
        ICM
        
        Indipendent Cascade Model
        
        definizione modello
        
        nodo attivato a tempo t, da t+1 può attivare altri nodi
        
        esistendo un nodo attivo, c'è prob p che un suo vicino venga infettato a t+1
        
        c'è una sola possibilità di attivazione e solo a tempo t+1
        
        termina quando nnon c'è più modo di attivare nuovi nodi
        
        utilità
        
        massimizzazione spread di cascata di diffusione per operazioni di marketing efficaci
        
        spread deff: numero atteso di nodi attivi
        
        modelli a treshold
        
        LTM
        
        Linear Treshold model
        
        ogni nodo sceglie valore random
        
        i nodi che soddisfano condizione sono attivati
        
        posso anche dare peso a vicino
        
        modellazione processo di innfluenza
        
        decisioni basate su valore di treshold rispetto a nodi vicinato
    - - Diffusion of innovations
        
        velocità adozione prodotti
        
        qualità per un adozione efficace
        
        osservabilità di effetti da utente
        
        vantaggio relativo, migliore di adesso
        
        compatibilità, con idee o standard precedenti
        
        triability, quanto posso farne esperienza
        
        complessità, difficoltà uso o comprensione
        
        modelli di diffusione
        
        Two step flow model of diffusion
        
        step di rogers del processo di diffusione
        
        Consapevolezza
        
        Interesse
        
        Valutazioni
        
        Prova
        
        Adozione
      - epidemics
        
        non conosciuta la rete contatti, difffusione infezione infrmazione
- - - - Equivalenza strutturale
        
        Similarità basata su quanto grannde è parte di rete conndivisa
        
        Tipologia di misure
        
        Vertex similarity
        
        normalizzando
        
        Cosine Similarity
        
        divido per radice del prodotto della grandezza del vicinato con la grandezza del grado
        
        Jaccard Similarity
        
        normalizzata, più valore è 1, più simili
        
        size intersezione due insiemi / size unione dei due insiemi
        
        grandezza assoluta numero nodi condivisi
  - - - Ricorsione, due nodi sono simili se anche amici sono simili
        
        Soluzione
        
        rilassamento, due nodi sono similis se sono simili allo stesso nodo
- - - - Coeff locale atteso in reti random ER
        
        sono uguali all'attributo p del grafo, ovvero la probabilità che due nodi abbiano un link.
        
        è indipendente dal grado del nodo
        
        inversamente proporzionale, diminuisce all'ingrandire della rete
      - Significato
        
        calcolare probabilità che nodi amici al nodo centrale siano anch'essi amici
      - Ego network
        
        rete formata da nodo centrale, i vicini e i collegamenti tra nodo, vicini e i collegamenti tra i vicini stessi
      - Clustering locale mediato sulla rete
        
        Interessante come valore, restituisce coesione nella rete in modo capillare ma complessivo allo stesso tempo
    - - Metodi di calcolo
        
        Contare cammini di lunghezza due con terzo link chiuso
        
        Misura basata su triplette
        
        Misura basata su triangoli (geometrica, poco utile)
      - Definizione e formula
        
        Numero di triplette chiuse/numero triplette totali
        
        Ovvero probabilità che estraendo una tripletta casuale dalla rete, essa sia chiusa
    - - Chiusa se ha terzo link
      - Aperta se non ha terzo link