数据可视化可以帮助我们更深入地查看和理解数据。
只有充分理解数据，才能做出明智的决策。
如果不使用数据可视化和数据分析，我们很容易产
生误解并错失良机。
以下幻灯片将向您展示 5 个强大、美观的可视化，
它们改变了人们对世界的看法。
2021-11-01 16:09:31
2.91MB
在大数据时代，社交网络已成为互联网上人类交流与互动的重要体现。 识别网络中有影响力的传播者，在疾病爆发，病毒传播和舆论控制等各个领域都起着至关重要的作用。 基于这三种基本集中度测度，提出了一种应用偏好关系分析和随机游走技术的综合算法PARW-Rank，用于评估节点影响。 对于每个基本度量，分析网络中每个节点对之间的优先级关系，以构建部分优先级图（PPG）。 然后，通过结合针对三种基本度量的偏好关系来生成综合偏好图（CPG）。 最后，通过在CPG上进行随机游走来确定节点的排名。 此外，使用五个公共社交网络进行比较分析。 实验结果表明，与现有的单一中心测度方法相比，我们的PARW-Rank算法可以实现更高的精度和更好的稳定性。
2021-10-25 09:11:28
2.23MB
1
在复杂网络中具有较大影响力的节点在控制谣言传播、优化资源分配、高效传播信息、精确投放广告等方面发挥着重要作用。鉴于当前众多方法在识别节点的不同影响力时存在一定局限性，因此在k-shell方法的基础上，通过度量边的潜在重要性，考虑邻居节点的差异贡献性，从而定义了节点的加权度概念，并提出了MKS（Modified k-shell）算法，该算法综合考虑了节点的本身、位置以及局部属性。通过在具有代表性的Zachary空手道俱乐部网络上进行实现，并和其他典型方法进行比较分析，发现该算法改进了k-shell方法的粗粒化划分，其结果更加合理。
2021-10-18 09:06:15
713KB
1