Please enable JavaScript.
Coggle requires JavaScript to display documents.
Social media mining, Machine learning, Esercizi - Coggle Diagram
Social media mining
-
-
Centralità
-
Betweenness
Se nodo sta su cammini minimi che collegano altri nodi, controllo flusso info
Closeness
-
se nodo ha tanti link è influente, ma sua influenza si espande su cammino minimo
-
Katz
-
Katz risolve con termine bias, che impedisce di ereditare valori centralità 0
Pagerank
problema katz che nodo eredita centralità di nodo connesso, ma nodo che eredita da hub non dovrebbe essere hub
-
Small-world
-
-
-
-
Modello Watts-Strogatz
Circolo coeso da strong ties, gruppi diversi sono collegati da weak.
Dispongo su rete circolare, e collego uno alla volta due nodi della rete
-
-
Assortatività
-
-
-
Su rete random (NON ER)
con, stesso numero nodi, link e edistribuzione grado
-
-
Balance and status
Social balance theory
Possibilità di nemici, si condivide attributi con gli amici, quindi gruppi interi sono nemici di altri gruppi
Def: in un triangolo, è struttura sociale bilanciata se prodotto pesi è maggiore o uguale a 0
-
-
Social status theory
-
def: stabilità triadi chiuse, ovvero se tre nodi XYZ X superiore Y Y superiore Z, allora x superiore Z
Community detection
Community
-
tipologie gruppi
espliciti, utenti si iscrivono
impliciti, caratteristiche di gruppi sociali, appartenenza implicita
size
calcolare dimensione e plottarla su distribuzione, da alcune caratteristiche interessanti
-
Comunità avverse: rete polarizzata, 2 avversari
Comunità disgiunte
-
-
Algoritmi
Greedy algo
-
Problemi
Resolution limit
Poca granularità, otteniamo community molto grandi
soluzione
riallplicare greedy a subset di community identificate, aumentando la risoluzione
Modularity maxima
-
partizione ottimale è difficile da trovare perchè ha plateau con tanti massimi in valori vicini, difficili da ottimizzare
-
Louvian algo
sub ottimo, basato su modularità
complessità O(L)
grazie a muovere nodo localmente, non scalando come l'altro
Passaggi
1
-
per ogni nodo consideriamo vicini, valutando guadagno ottenuto in modularità se rimuovessi i da community e aggiungessi nodo j
-
-
-
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
-
Comunità con overlapping
Algoritmi
Clique finder (Cfinder)
fasi
-
b. costruisci rete clique in cui nodo è cliqque e si ha link se clique sono adiacenti (matrice overlap)
-
-
-
Information diffusion
def: processo per il quale pezzo di informazione è diffuso e raggiunge individui attraverso interazioni
-
Tipologia processi
Explicit network
global info
her behavior
-
condizioni
-
-
decisioni non randomiche, basate su info
no sc ambio messaggi, scelta basata su conoscenza e osserv. comportamento
local info
information cascade
-
-
assunzioni
-
decisione binaria, partecipo o non partecipo
nodo, una volta attivato non si può disattivare ma può attivare altri nodi
ICM
-
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
-
-
-
-
Implicit network
-
epidemics
non conosciuta la rete contatti, difffusione infezione infrmazione
-
-
Similarità nelle reti
3 tipologie similarità
-
Attributi: più attributi abbiamo in comunne, più siamo simili
-
Contenuti: per i social, contenuti pubblicati dai nodi rendono nodi simili
Equivalenza regolare
-
Problema
Ricorsione, due nodi sono simili se anche amici sono simili
Soluzione
rilassamento, due nodi sono similis se sono simili allo stesso nodo
-
-
-
-
-
Transitività
Coefff clustering
Locale
-
-
Ego network
rete formata da nodo centrale, i vicini e i collegamenti tra nodo, vicini e i collegamenti tra i vicini stessi
-
Globale
Metodi di calcolo
-
-
Misura basata su triangoli (geometrica, poco utile)
Definizione e formula
-
Ovvero probabilità che estraendo una tripletta casuale dalla rete, essa sia chiusa
-
-
-
-
-