斯坦尼斯·萨格诺夫斯基；彼得罗·布罗德卡；普尔泽米斯·瓦·卡齐恩科 用户重要性度量对群体进化发现的影响。 （英语） Zbl 1360.91127号 已找到。计算。Decis公司。科学。 第37期，第4期，第295-305页（2012年）. 摘要：社会网络科学中最有趣的话题之一是社会群体，即他们的提取、动态和进化。一年前，引入了群体进化发现（GED）方法。提取过程中的GED方法考虑了组成员的质量和数量。质量通过用户重要性度量来反映。本文研究并提出了不同用户重要性度量对GED方法结果的影响。结果表明，使用诸如社会地位（页面排名）之类的全局度量比使用诸如程度中心性或根本没有度量之类的局部度量可以获得更精确的结果。 MSC公司： 91天30分 社交网络；意见动态 关键词：社交网络；群体进化；社交网络中的群体；群体动力学；社会网络分析；用户位置；群体进化发现 软件：图形范围；FacetNet公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Saganowski}等人，发现。计算。Decis公司。科学。37，第4号，295--305（2012；Zbl 1360.91127） 全文： 内政部 arXiv公司 链接 参考文献： [1] Asur，S.，Parthasarathy，S..，Ucar，D.：描述交互图进化行为的基于事件的框架。ACM事务处理。知识。发现。数据。2009年第16条第3、4条，共36页。 [2] Bródka P.，Musia K.，Kazienko P.：社交网络中中心性计算的表现。在2009年社会网络计算方面国际会议论文集（CASON'09）。IEEE计算机学会，华盛顿特区，美国，2009年，24-31。 [3] Bródka P.、Saganowski P.、Kazienko P.：GED：社会网络中群体进化发现的方法，社会网络分析与挖掘2012年，内政部：10.1007/s13278-012-0058-8 [4] Chakrabarti D、Kumar R、Tomkins A、，进化聚类，KDD 2006，ACM，费城。 [5] Lin，Y.R.，Chi，Y.，Zhu，S.，Sundaram，H.，Tseng，B.L。FacetNet：一个框架 动态网络中社区及其演化分析，WWW 2008，ACM，2008，第685-694页。 [6] Musia K.、Kazienko P.、Bródka P.：社交网络中的用户位置测量。《第三届社交网络挖掘与分析研讨会论文集》（SNA-KDD’09）。ACM公司，美国纽约州纽约市，2009年第6条，共9页。 [7] Palla，G.，Barabási，A.L.，Vicsek，T.：量化社会群体进化。自然2007年第446期，第664-667页。 [8] Sun J、Papadimitriou S、Yu P.S、Faloutsos C、，GraphScope：的无参数挖掘 大型时间相关图.KDD，ACM，2007年，687-696。 [9] Wasserman S.、Faust K.、。，社会网络分析：方法与应用，纽约：剑桥大学出版社，1994年。于2012年9月20日至22日在波兰米季兹德罗杰举行的青年IT科学家大会上发表由| Zentralblatt MATH Redaktion带给您认证下载日期| 2017年4月25日12:43 PM 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。