该文主要研究在微博社交网络中怎样评价用户的影响力。在影响用户影响力的众多因素中,该文认为用户的传播能力越强,用户的信息便可以更快地在网络中扩散,其影响力也越大。和传统的用户影响力评价方法相比,该文综合考虑用户的活跃度和用户所发微博质量两个方面的因素,得到用户的影响力权重,然后把每一个用户作为社交网络中的节点,计算其在社交网络中的影响力。通过在公开语料集和真实数据中的实验,表明该方法是可行的,比传统的用户影响力评价方法更能客观、真实地反映用户的实际影响力。

InterFace是基于lib-rs的开源Web浏览器http://dooble.sf.net的社交网络聊天和Messenger插件。 Messenger包括国际象棋游戏，电子邮件客户端和Groupchat。 它是一个开源的社交网络。 在此Messenger中与您的朋友对战国际象棋。 许多国际象棋俱乐部都使用它进行在线交流和与朋友下棋。 学生使用它与来自校园的朋友进行群聊功能。 电子邮件解决方案提供了无垃圾邮件的电子邮件，因为只有已定义（列入白名单）的朋友才能发送到邮箱中。 InterFace是通信套件，还包括论坛功能（例如公告板）。 InterFace基于Qt和c ++，可以轻松地在任何Qt Frame Host或其他Qt App中用作Plug-Tab。 它基于Lib RetroShare Messenger的克隆。 当前，此好友列表在Qt Browser Dooble中用作选项卡。 有关更多信息，请参见http://dooble.sf.net。

在线社交网络成为连接全球数百万人的更流行和更有效的方式。”许多社交网站已经改变了人们交流或相互联系以共享个人信息的方式。但是，这些网站并不能确保来自第三方应用程序的用户数据的隐私。随着互联网上可用的大量信息，隐私保护数据挖掘被有效地用于涉及底层数据的隐私。为此，本研究工作提出一种基于一组隐私级别对用户个人资料进行分类的集成方法。所提出的模型使用了各种机器学习算法，如决策树、朴素贝叶斯、IBK、NB 树和贝叶斯网络。”

基于改进蚁群优化算法与子图演化，提出了一种新型非监督社交网络链路预测（SE-ACO）方法。该方法首先在社交网络图中确定特殊子图；然后研究子图演化以预测图中的新链接，并用蚁群优化算法定位特殊子图；最后针对所提方法使用不同网络拓扑环境与数据集进行检验。结果表明，与其他无监督社交网络预测算法相比，所提SE-ACO方法在多数数据集上的评估结果较好，且运行时间较短，这表明图形结构在链路预测算法中起重要作用。

社交影响力是驱动信息传播的关键因素，基于在线社交网络数据，可以对社交影响力进行建模和分析。针对一种经典的个体影响力计算方法，介绍了该算法的2种并行化实现，并在真实大规模在线社交网络数据集上进行了性能测试。结果表明，借助现有的大数据处理框架，显著提高了个体影响力计算方法在海量数据集中的计算效率，同时也给该类算法的研究和优化提供了实证依据。

摘要：针对社交网络的隐私安全问题，提出了一种新的社交网络隐私保护方案。首先设计了带陷门的属性加密算法，由属性权威机构与数据属主协同完成用户私钥的生成与分发，有效

摘要：随着信息技术的发展，社交网络逐渐成为人们沟通的主要方式，而敏感信息暴露在开放的社交网络中所导致的多种隐私信息泄露问题也引起了人们的日益关注。首先，介绍了社

很好用的社会网络软件，方便快捷，制作类图各种图，课程设计必备

主题识别+信息提取模型-基于python实现-LDA--LDA主题模型，可以用于社交网络数据分析研究、异常检测、事件检测与演化模型分析、情感分析、链接预测，信息传播等方面的研究

Coursera上的社交网络分析课程项目 这是SNA在Coursera上的课程项目，于2014年11月24日完成。 本工作主要分析 GitHub 用户对存储库的兴趣网络，以存储库为节点，以对两个存储库加星的用户数为边。 分析不仅关注2012年1月至2014年10月此类网络的快照，还研究了网络演进的整体趋势，以及某些节点的流行度变化。 此存储库包含此报告所需的所有数据、脚本以及报告本身。 可以使用 bigquery/ 中的 sql 文件在 Google BigQuery 上进行试验查询。 出于数据收集目的，应运行脚本 data_batch/generate_queries.py 并将每个生成的查询文件手动复制到 bigquery 以收集数据。 我收集的数据在 data/ 中可用。 要获取 Gephi 的 gdf ​​文件以及 igraph 计算的 ncol 文件，请使用 conve