文档名：在线社交网络的自适应UNI采样方法
社交网络在人们的生活中越来越流行.为了表征、优化和模拟这种网络中的信息扩散,通常需要收集真实的数据集,但是这些网络的巨大规模和出于安全因素的考虑使得很难获得完整的网络数据集.所以,利用采样获得一个具有代表性的样本就显得尤为重要;过去网络采样的研究一般是针对模型网络或小规模网络,而对实际网络的采样研究很少;2010年美国加州大学研究学者Gjoka等人在对Facebook进行采样研究时,因为在线社交网络数据的不透明性,无法得到全网数据,所以无法直接评价其他社交网络采样方法的优缺点和样本质量.
作者：蔡广妊
作者单位：北京化工大学
母体文献：第十五届网络科学论坛论文集
会议名称：第十五届网络科学论坛
会议时间：2019年5月10日
会议地点：大连
主办单位：中国工业与应用数学学会
语种：chi
分类号：TNTH1
关键词：社交网络 局部最优 冷启动问题 UNI采样
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 940.71 KB
- 下载次数:
- 60
-
高速下载
|
