• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Fuzzy Systems >Sensitive Analysis of Timeframe Type and Size Impact on Community Evolution Prediction
【24h】

Sensitive Analysis of Timeframe Type and Size Impact on Community Evolution Prediction

机译：时间框架类型和大小对社区发展预测的敏感性分析

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

One of the most interesting issues in the field of social network analysis is community evolution prediction in dynamic social networks. To start with, the dynamic network is split into a series of timeframes, each one containing interactions aggregated over a time period such as a month, a day or an hour. Splitting the network into timeframes is of crucial importance to capture the right communities' temporal evolution before predicting their future. Our paper investigates the problem of choosing the appropriate scale for network splitting which would improve the prediction. The experiments we conducted on Facebook and Higgs Twitter datasets offer strong empirical evidence of the usefulness of considering the appropriate network splitting as a first step in predicting community evolution in dynamic social networks.
机译：社交网络分析领域中最有趣的问题之一是动态社交网络中的社区演变预测。首先，将动态网络划分为一系列时间范围，每个时间范围都包含在一个月，一天或一个小时等时间段内汇总的互动。将网络划分为时间范围对于在预测合适社区的未来之前捕获正确社区的时间演变至关重要。本文研究了选择合适的规模进行网络分裂的问题，这将改善预测。我们在Facebook和Higgs Twitter数据集上进行的实验提供了有力的经验证据，说明了将适当的网络拆分视为预测动态社交网络中社区发展的第一步的有用性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号