社会学生 学生社交平台 项目名 社会学生平台 目标 毕业后与刚毕业的学生保持联系，为将物理准备的毕业年鉴转移到社交平台做出贡献。 能力 管理员、院士、会员、访客 功能需求 根据授权级别访问页面、更新配置文件信息、执行授权分配、批准后将新记录分配给“成员”角色 功能失调的需求 防止登录系统的用户访问登录和创建屏幕，尝试访问未经授权的页面时重定向 使用的技术 Microsoft SQL Server 2012、C#、ASP.NET、AJAX、Java 脚本、XML 使用的工具 Microsoft Visual Studio 2012、Microsoft SQL Server 2012 附录 实体框架

Spinger中的书籍 介绍关于社交网络

用关键字捕捉推文 通过该项目，您可以使用Twitter API使用输入的单词和日期从API中提取数据。 输出示例 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 Python 2.7和Pip 正在安装 git clone https://github.com/dogukanayd/Catch-Tweet-with-Keyword.git cd Catch-Tweet-with-Keyword pip install -r requirements.txt 在settings.py中输入您自己的密钥 YOUR_CONSUMER_KEY = 'Y

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。

复杂网络学习分析工具pajek经典之作，值得认真学习思考.

Python Social Media Analytics by Siddhartha Chatterjee English | 28 July 2017 | ISBN: 1787121488 | ASIN: B01MXL4UYG | 312 Pages | AZW3 | 8.63 MB Leverage the power of Python to collect, process, and mine deep insights from social media data About This Book Acquire data from various social media platforms such as Facebook, Twitter, YouTube, GitHub, and more Analyze and extract actionable insights from your social data using various Python tools A highly practical guide to conducting efficient social media analytics at scale Who This Book Is For If you are a programmer or a data analyst familiar with the Python programming language and want to perform analyses of your social data to acquire valuable business insights, this book is for you. The book does not assume any prior knowledge of any data analysis tool or process. What You Will Learn Understand the basics of social media mining Use PyMongo to clean, store, and access data in MongoDB Understand user reactions and emotion detection on Facebook Perform Twitter sentiment analysis and entity recognition using Python Analyze video and campaign performance on YouTube Mine popular trends on GitHub and predict the next big technology Extract conversational topics on public internet forums Analyze user interests on Pinterest Perform large-scale social media analytics on the cloud In Detail Social Media platforms such as Facebook, Twitter, Forums, Pinterest, and YouTube have become part of everyday life in a big way. However, these complex and noisy data streams pose a potent challenge to everyone when it comes to harnessing them properly and benefiting from them. This book will introduce you to the concept of social media analytics, and how you can leverage its capabilities to empower your business. Right from acquiring data from various social networking sources such as Twitter, Facebook, YouTube, Pinterest, and social forums, you will see how to clean data and make it ready for analytical operations using var

matlab信任模型代码社会信任模型 建议的Epinions数据集社会信任模型的Matlab文件。 A.安装 无需安装 B.代码结构 Centrality.m：基于各种中心度度量来捕获用户中心度：度，本征，Katz和PageRank中心度。 Fact.m：应用矩阵分解方法将用户和项目都映射到联合潜在因子空间，以便将用户-项目交互建模为该空间中的内部产品。 相似性.m：捕获用户之间的两种相似性。 连接相似度和等级相似度。 等级相似度还包括PCC和VSS相似度。 C.输入 input_s.mat：此文件由两个矩阵组成：1）用户项目评分矩阵和2）用户-用户信任矩阵。 D.出版物 Anahita Davoudi和Mainak Chatterjee，《用于推荐系统的评级预测的社会信任模型：相似性，中心性和社会纽带的影响》，在线社交网络和媒体杂志（OSNEM），爱思唯尔，2018年7月。

GraphRec_PyTorch GraphRec模型的PyTorch实现（Fan，Wenqi等人，“用于社交推荐的图神经网络。”万维网会议，ACM，2019年）。 用法 从requirements.txt文件安装所需的软件包。 pip install -r requirements.txt 预处理数据集。 应在数据集的相应文件夹中生成两个名为数据集和列表的pkl文件。 python preprocess.py --dataset Ciao python preprocess.py --dataset Epinions 运行main.py文件来训练模型。 您可以通过命令行配置一些训练参数。 python main.py 运行main.py文件以测试模型。 python main.py --test

社会网络分析经典书籍，英文版，作者Wasserman and Faust。全面深入介绍了社会网络分析的技术细节。

社会选择 Python程序用于计算著名的获胜者选择方法的获胜者，包括复数方法，径流方法，消除方法，Borda计数和成对比较方法（也称为Condorcet mthod）。 用法 准备一个csv文件，该文件代表选民的喜好时间表。 csv文件的第一行包含候选项。 任何字符串都可以用来代表候选人。 文件的其余部分由选民的喜好组成。 放在第一列的候选者被解释为最喜欢的候选者。 例如，如果有4位候选人和18位选民，则csv文件应如下所示： A,B,C,D A,B,C,D D,C,B,A B,C,A,D A,B,C,D A,B,C,D A,B,C,D B,C,A,D A,B,C,D B,C,A,D B,C,A,D B,C,A,D C,B,A,D C,B,A,D C,B,A,D D,C,B,A C,B,A,D D,C,B,A A,B,C,D 在命令行中以csv文件作为参数运行sc.py ： $