• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于持續(xù)同調(diào)的在線社交網(wǎng)絡(luò)傳播研究

      2022-03-07 06:58:00邱呂琳張志堅(jiān)蔡光程
      軟件導(dǎo)刊 2022年2期
      關(guān)鍵詞:網(wǎng)絡(luò)圖持續(xù)性頂點(diǎn)

      邱呂琳,張志堅(jiān),蔡光程,鐘 慧

      (昆明理工大學(xué) 理學(xué)院,云南 昆明 650500)

      0 引言

      隨著當(dāng)今社會(huì)經(jīng)濟(jì)與科技的飛速發(fā)展,互聯(lián)網(wǎng)已成為一個(gè)重要的新媒體,在人們的學(xué)習(xí)、工作、生活等各個(gè)方面扮演著不可或缺的角色。社交網(wǎng)絡(luò)以人際關(guān)系網(wǎng)為基礎(chǔ),近年來(lái)發(fā)展迅速,正逐漸融入人們的日常生活并發(fā)揮重要影響,極大豐富了人們的各種需求。與此同時(shí),在線社交網(wǎng)絡(luò)使得人們不再受到時(shí)間、空間限制,可快捷接收外界信息,并實(shí)時(shí)參與熱點(diǎn)話題討論,發(fā)表自己的觀點(diǎn)。在線社交網(wǎng)絡(luò)在傳播方面已顯示出強(qiáng)大的影響力,例如,“澳洲森林山火”“全球新冠病毒”等新聞事件在微博不斷實(shí)時(shí)發(fā)布消息等。在線社交網(wǎng)絡(luò)信息傳播對(duì)于生活和社會(huì)發(fā)展有著深遠(yuǎn)影響,因此受到了研究者們的廣泛關(guān)注。

      近年來(lái)在線社交網(wǎng)絡(luò)信息傳播研究取得了許多進(jìn)展,使人們能夠從信息傳播角度進(jìn)一步理解社交網(wǎng)絡(luò)的屬性和規(guī)則。本文旨在分析在線社交網(wǎng)絡(luò)的信息傳播現(xiàn)象,了解信息傳播規(guī)律,并根據(jù)相關(guān)規(guī)律進(jìn)行引導(dǎo),從而更好地進(jìn)行信息傳播,同時(shí)最大限度減少虛假消息和不良消息的傳播。要想獲取信息傳播規(guī)律,需要分析社交網(wǎng)絡(luò)圖。然而,目前在分析社交網(wǎng)絡(luò)圖時(shí),采用最短路徑、介數(shù)中心性、聚類系數(shù)和度分布等度量指標(biāo)研究與認(rèn)識(shí)在線社交網(wǎng)絡(luò)結(jié)構(gòu)。雖然這些指標(biāo)足以提供網(wǎng)絡(luò)圖在特定方面的信息,但無(wú)法提供在線社交網(wǎng)絡(luò)的全面特征。在線社交網(wǎng)絡(luò)存在太多不確定信息,如網(wǎng)絡(luò)節(jié)點(diǎn)分布很難確定,且在線社交網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量特別龐大,會(huì)隨著時(shí)間不斷變化,屬于動(dòng)態(tài)網(wǎng)絡(luò),所以對(duì)在線社交網(wǎng)絡(luò)進(jìn)行全面可視化是一個(gè)很有意義的問(wèn)題。因此,本文從拓?fù)浣嵌确治鲈诰€社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),對(duì)在線社交網(wǎng)絡(luò)進(jìn)行全面分析。拓?fù)鋵W(xué)中的持續(xù)同調(diào)為社交網(wǎng)絡(luò)圖中存儲(chǔ)信息的全面可視化表示提供了一種新方法。

      大量研究致力于理解在線社交網(wǎng)絡(luò)的相關(guān)熱點(diǎn)問(wèn)題,主要研究方法已從早期社會(huì)學(xué)研究領(lǐng)域的實(shí)證研究轉(zhuǎn)向基于小數(shù)據(jù)集的理論研究與驗(yàn)證。本文主要利用持續(xù)同調(diào)方法和代數(shù)拓?fù)涞囊恍┲R(shí)提取在線社交網(wǎng)絡(luò)的拓?fù)涮卣鳎⒒谶@些特征分析在線社交網(wǎng)絡(luò)傳播。

      在線社交網(wǎng)絡(luò)分析可總結(jié)為3個(gè)方面:在線社交網(wǎng)絡(luò)結(jié)構(gòu)特征和演化機(jī)制,在線社交網(wǎng)絡(luò)群體行為形成和互動(dòng)規(guī)律,在線社交網(wǎng)絡(luò)信息傳播規(guī)律和演化機(jī)制。在早期社會(huì)學(xué)與圖論的研究基礎(chǔ)上,Kempe 等提出的線性閾值模型LTM(Linear Threshold Model)和獨(dú)立級(jí)聯(lián)模型ICM(Independent Cascade Model)以及借鑒醫(yī)學(xué)研究的傳染病模型SIR(Susceptible Infected Recovered Model)成為描述影響力傳播的主要基礎(chǔ)模型,這些模型描述了社交網(wǎng)絡(luò)中影響力傳播的隨機(jī)性與累積性。后來(lái)許多研究者根據(jù)具體傳播問(wèn)題的特點(diǎn)擴(kuò)展了基本模型,以反映傳播模型的具體傳播特性。目前,Aggarwal已從數(shù)據(jù)挖掘的角度對(duì)社區(qū)發(fā)現(xiàn)、影響力計(jì)算、溝通可視化等方面進(jìn)行了總結(jié);Kwak 等基于Twitter 的數(shù)據(jù),對(duì)用戶之間的關(guān)系、用戶影響以及Twitter 上話題的傳播進(jìn)行了實(shí)證分析;Fang 等介紹了在線社交網(wǎng)絡(luò)相關(guān)研究,并從網(wǎng)絡(luò)結(jié)構(gòu)特征與演化機(jī)制、群體行為形成與互動(dòng)規(guī)律、信息傳播規(guī)律與演化機(jī)制3個(gè)維度提出進(jìn)一步的研究方向。在在線社交網(wǎng)絡(luò)信息傳播方面,Guille 等從話題檢測(cè)、傳播建模以及識(shí)別有影響力的傳播者3個(gè)方面進(jìn)行了介紹,為社交網(wǎng)絡(luò)中圍繞信息擴(kuò)散的工作提供全面的分析指導(dǎo);Zinoviev從傳播者、傳播路徑和傳播機(jī)制出發(fā),提出博弈論模型來(lái)理解信息傳播,并對(duì)已有研究進(jìn)行總結(jié)。

      鑒于在線社交網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及特征,許多研究者提出利用“網(wǎng)絡(luò)復(fù)雜性分析”的方法論進(jìn)行相關(guān)問(wèn)題分析與研究。Watts 等提出一個(gè)小世界網(wǎng)絡(luò)模型,該模型更好地描述了從常規(guī)網(wǎng)絡(luò)到隨機(jī)網(wǎng)絡(luò)的過(guò)渡;Barabdisi 等提出BA 無(wú)標(biāo)度網(wǎng)絡(luò)模型,并根據(jù)模型的增長(zhǎng)算法和優(yōu)先連接特性演示了BA 無(wú)標(biāo)度網(wǎng)絡(luò)演化過(guò)程。根據(jù)社交網(wǎng)絡(luò)的基本功能和特點(diǎn),田燕等描述了不同類型在線社交網(wǎng)絡(luò)的目的、特點(diǎn)及典型代表,分析了在線社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和信息傳輸特點(diǎn);候夢(mèng)男等提出一種融合拓?fù)鋭?shì)的層次化社區(qū)發(fā)現(xiàn)算法;Claire 等將網(wǎng)絡(luò)圖轉(zhuǎn)換為持續(xù)同調(diào)中的條形碼格式,對(duì)照各種效用度量來(lái)觀察圖之間關(guān)鍵特征的相關(guān)性。因此,使用持續(xù)同調(diào)分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以得到網(wǎng)絡(luò)的傳播變化,同樣是一個(gè)挑戰(zhàn)。

      近年來(lái),利用拓?fù)湫再|(zhì)和單純復(fù)形、持續(xù)同調(diào)性等方法對(duì)復(fù)雜網(wǎng)絡(luò),特別是加權(quán)網(wǎng)絡(luò)的研究取得了很大進(jìn)展。Carstens 等描述了作者合作網(wǎng)絡(luò)的持續(xù)同調(diào)性,將拓?fù)鋵W(xué)中的單純復(fù)形方法應(yīng)用于網(wǎng)絡(luò),通過(guò)對(duì)貝蒂數(shù)的定量比較解釋了合作網(wǎng)絡(luò)的持續(xù)同調(diào)性,并通過(guò)分析發(fā)現(xiàn)持續(xù)同調(diào)性在區(qū)分無(wú)標(biāo)度網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)方面也起著重要作用;Dlotko 等提出一種簡(jiǎn)化的持續(xù)同調(diào)計(jì)算復(fù)形方法,從而加深了對(duì)拓?fù)鋯渭儚?fù)形及其計(jì)算方法的理解;Cerri 等研究了多維持續(xù)同調(diào)理論中貝蒂數(shù)的連續(xù)性質(zhì);Maletic 等采用拓?fù)鋯渭儚?fù)形法構(gòu)造網(wǎng)絡(luò),并對(duì)復(fù)雜網(wǎng)絡(luò)的持續(xù)同調(diào)性進(jìn)行分析與研究;Kahle探討隨機(jī)網(wǎng)絡(luò)的同調(diào)性與網(wǎng)絡(luò)連通性之間的關(guān)系,為進(jìn)一步理解網(wǎng)絡(luò)拓?fù)湫再|(zhì)與網(wǎng)絡(luò)連通性之間的關(guān)系作了理論準(zhǔn)備。

      本文旨在采用一種不同的方法對(duì)社交網(wǎng)絡(luò)進(jìn)行概括,通過(guò)持續(xù)同調(diào)性表示在線社交網(wǎng)絡(luò)圖的傳播特性,使用算法計(jì)算持續(xù)同調(diào)得到相應(yīng)的貝蒂數(shù)和持續(xù)性圖,并獲取社交網(wǎng)絡(luò)的拓?fù)涮卣?,分析其傳播特點(diǎn)。

      1 持續(xù)同調(diào)相關(guān)理論

      由于同胚對(duì)兩個(gè)空間的拓?fù)湫再|(zhì)相同,本文主要運(yùn)用代數(shù)拓?fù)渲R(shí)構(gòu)造出該空間的同胚型。在研究一個(gè)社交網(wǎng)絡(luò)時(shí),常把社交網(wǎng)絡(luò)中的各個(gè)用戶看作節(jié)點(diǎn),用戶之間的關(guān)系看作邊。換言之,可將社會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)視為點(diǎn)云,用持續(xù)同調(diào)方法構(gòu)造一個(gè)由一系列簡(jiǎn)單復(fù)形組成的空間,并用構(gòu)造的空間逼近社會(huì)網(wǎng)絡(luò)空間。持續(xù)同調(diào)性為人們提供了一種在不減少維數(shù)情況下刻畫數(shù)據(jù)全貌的方法。把數(shù)據(jù)放在原始高維空間中得到數(shù)據(jù)里的群集與環(huán)結(jié)構(gòu)個(gè)數(shù),這種計(jì)算拓?fù)涮卣鞯姆椒榫W(wǎng)絡(luò)圖分析提供了一種新的效用度量。

      1.1 圖

      在圖論中,將圖

      G

      定義為一個(gè)有序二元組(

      V

      ,

      E

      ) 。其中,

      V

      稱為頂集,

      E

      稱為邊集,

      E

      V

      不相交。頂集的元素被稱為頂點(diǎn),表示對(duì)象;邊集的元素被稱為邊,表示對(duì)象之間的關(guān)系,有不同類型的圖表示頂點(diǎn)之間的不同關(guān)系。在無(wú)向圖中,邊對(duì)稱地連接兩個(gè)頂點(diǎn);在有向圖中,邊不對(duì)稱地連接兩個(gè)頂點(diǎn)。如果頂點(diǎn)之間的關(guān)系有相互作用的強(qiáng)度,可用加權(quán)網(wǎng)絡(luò)表示這種類型的關(guān)系。有

      n

      個(gè)頂點(diǎn)的圖

      G

      可用

      n

      ×

      n

      個(gè)鄰接矩陣表示,對(duì)于未加權(quán)圖,若有

      G

      =1,則表示頂點(diǎn)

      i

      到頂點(diǎn)

      j

      有一條邊。如果頂點(diǎn)

      i

      與頂點(diǎn)

      j

      之間沒(méi)有邊,則

      G

      =0。如果圖隨時(shí)間變化,則該圖被稱為動(dòng)態(tài)圖,圖中的頂點(diǎn)和邊會(huì)隨著時(shí)間的變化不斷刪除或添加。在在線社交網(wǎng)絡(luò)圖中,用戶被看作節(jié)點(diǎn),用戶之間的關(guān)系被看作邊。

      1.2 持續(xù)同調(diào)

      1.2.1 單純復(fù)形與單純同調(diào)

      通常,單純復(fù)形是一種抽象代數(shù)結(jié)構(gòu),由點(diǎn)、邊、三角形、四面體和高維多面體組成。0 維單形是一個(gè)頂點(diǎn),1維單形是邊,2 維單形是三角形,3 維單形是四面體(見(jiàn)圖1),直到第

      k

      維,其結(jié)構(gòu)取決于單純復(fù)形的維度。

      Fig.1 Simplex圖1 單形

      定義1

      設(shè)

      K

      n

      維歐氏空間

      R

      中單形的有限集合,稱

      K

      為單純復(fù)形,簡(jiǎn)稱復(fù)形(見(jiàn)圖2),則有:①若為

      K

      中的單形,則其任意面都屬于

      K

      ;②若

      s

      s

      K

      中任意兩個(gè)單形,則

      s

      ?

      s

      或者是空集,或者是

      s

      s

      的一個(gè)公共面。

      Fig.2 Complex圖2 復(fù)形

      在單純復(fù)形中,把這些孔視為以不同維數(shù)的單純形為界的空洞。在0 維中,其是連接分量;在1 維中,其是以邊(1 維單純形)為邊界的環(huán);在2 維中,其是以三角形為邊界的孔……在

      i

      維中,其是以

      i

      維單純形為邊界的孔。單純同調(diào)是指尋找單純復(fù)形中空洞的方法,下面定義兩種特殊類型的鏈,即圈和邊界。單純形包含復(fù)形中最高維單形的所有面,也即是說(shuō),如果存在一個(gè)二維復(fù)形(具有最高維單形的單純復(fù)形是一個(gè)二維單純形,即三角形),則該復(fù)形還包含所有維數(shù)低于它的面(如邊和頂點(diǎn))。在同調(diào)理論中,

      i

      鏈?zhǔn)且粋€(gè)具有整數(shù)系數(shù)的單純復(fù)形

      K

      所有

      i

      維單形的和。

      K

      的所有

      i

      鏈集合都用

      C

      (

      K

      )表示,即

      C

      (

      K

      )表示單純復(fù)形上的

      i

      維鏈群。對(duì)其作邊緣同態(tài)映射:

      其中,

      C

      (

      K

      )為

      K

      的所有

      i

      維鏈,

      C

      (

      K

      )通過(guò)此映射后得到幺元的同態(tài)核是

      i

      維鏈群

      C

      (

      K

      )的子群,稱為維閉鏈群,記作

      Z

      (

      K

      )。帶有方向向量[

      v

      ,

      v

      ,

      v

      ,…,

      v

      ]的

      n

      維單純形

      K

      的邊界(?(

      K

      ))為:

      C

      (

      K

      )中的所有邊界,即經(jīng)過(guò)同態(tài)映射 ?:

      C

      (

      K

      )→

      C

      (

      K

      )得到的同態(tài)像是

      i

      維鏈群

      C

      (

      K

      )的子群,也是

      i

      維閉鏈群

      Z

      (

      K

      )的子群(因?yàn)檫吘壎际欠忾]的),稱為

      i

      維邊緣閉鏈群,簡(jiǎn)稱

      i

      維邊緣邊界群,記作

      B

      (

      K

      )。則定義單純復(fù)形

      K

      i

      維同調(diào)群為:

      i

      個(gè)連通數(shù)

      b

      定義為

      H

      的維度,

      b

      =dim(

      H

      ) 。

      1.2.2 持續(xù)同調(diào)計(jì)算

      對(duì)于有限的一組點(diǎn)

      X

      (如點(diǎn)云數(shù)據(jù)),同調(diào)性不能給出感興趣的信息。

      β

      給出了連通分支數(shù)目,但這只是點(diǎn)的數(shù)目,其他所有貝蒂數(shù)都是零,因?yàn)榧现袥](méi)有其他維度的洞。因此,可在數(shù)據(jù)上構(gòu)建一個(gè)最大

      ε

      值的單純復(fù)形,而不是構(gòu)建多個(gè)不同

      ε

      參數(shù)的單純復(fù)形,然后將其組合成一個(gè)序列。記錄所有點(diǎn)對(duì)之間的距離,并了解何值使得每對(duì)點(diǎn)形成邊。所有隱藏在這些值中的單純復(fù)形形成了一個(gè)連貫的濾流,即為一系列嵌套的復(fù)形。因此,本文不去處理點(diǎn)集,而定義復(fù)形濾流為:由不斷增加的比例參數(shù)

      ε

      生成的單純復(fù)形序列。

      在這樣的結(jié)構(gòu)中,一些洞可能出現(xiàn),然后消失,這些同源特征的持續(xù)性可被認(rèn)為是數(shù)據(jù)集特征。在一個(gè)濾流中,可以記錄洞的出生,即洞出現(xiàn)的時(shí)間,以及洞的死亡,即洞消失的時(shí)間。持續(xù)同源性的本質(zhì)是對(duì)這些同源特征的出生和死亡進(jìn)行持續(xù)性地追蹤,每個(gè)同源特征的壽命可表示為一個(gè)區(qū)間,其中區(qū)間的起點(diǎn)與終點(diǎn)分別對(duì)應(yīng)同源特征的出生和死亡。對(duì)于給定數(shù)據(jù)集,可通過(guò)持久性條形碼(PB)記錄這些間隔。同樣地,持久性條形碼可通過(guò)持久性圖(PD)表示。下面定義貝蒂數(shù),并構(gòu)建Vietoris-Rips(VR)復(fù)形。

      持續(xù)同調(diào)計(jì)算的理論基礎(chǔ)是刻畫網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),通過(guò)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化分析網(wǎng)絡(luò)社交的變化是有效、合理的。構(gòu)建社交網(wǎng)絡(luò),計(jì)算相應(yīng)的網(wǎng)絡(luò)拓?fù)渫{(diào)群和貝蒂數(shù)相關(guān)參數(shù),進(jìn)一步分析網(wǎng)絡(luò)拓?fù)涮匦?。這些同調(diào)空間可用空間維數(shù)來(lái)表征,因此引入貝蒂數(shù)來(lái)量化拓?fù)洳蛔兞浚瑫r(shí)其也是拓?fù)淇臻g的拓?fù)洳蛔兞?。單純?fù)形

      K

      n

      個(gè)貝蒂數(shù)表示為

      β

      b

      (

      X

      )=dim(

      H

      (

      X

      )),即對(duì)于非負(fù)整數(shù)

      k

      ,定義空間

      X

      的第

      k

      個(gè)貝蒂數(shù)

      b

      (

      X

      )為

      X

      k

      個(gè)同調(diào)群

      H

      (

      X

      )的秩(線性無(wú)關(guān)生成子數(shù))。

      添加或刪除網(wǎng)絡(luò)節(jié)點(diǎn)時(shí),相應(yīng)同調(diào)群和貝蒂數(shù)都會(huì)發(fā)生變化。在網(wǎng)絡(luò)拓?fù)鋱D中,零維貝蒂數(shù)表示網(wǎng)絡(luò)上的連通分支數(shù),一維貝蒂數(shù)表示網(wǎng)絡(luò)上的環(huán)(一維孔)數(shù),二維貝蒂數(shù)表示網(wǎng)絡(luò)圖中的空腔數(shù)。貝蒂數(shù)越大,拓?fù)浜x越復(fù)雜。

      對(duì)于Vietoris-Rips(VR)復(fù)形,其是一種抽象的代數(shù)結(jié)構(gòu),能夠表示歐氏空間

      E

      中的一組點(diǎn)。假設(shè)

      G

      =(

      V

      ,

      E

      ) 是一個(gè)無(wú)向加權(quán)圖,權(quán)重值為

      W

      :

      V

      ×

      V

      R

      。對(duì)于?

      δ

      R

      ,1 維骨架

      G

      =(

      V

      ,

      E

      ) ?

      G

      被定義為

      G

      的子圖,其中

      V

      =

      V

      ,其邊界集

      E

      =

      E

      只包含權(quán)重小于或等于

      δ

      的邊。然后,對(duì)于?

      δ

      R

      ,本文將VR 復(fù)形定義為1 維骨架

      G

      、

      Cl

      (

      G

      ) 的團(tuán)復(fù)形,并將Vietoris-Rips 過(guò)濾定義為:

      也即是說(shuō),在此過(guò)濾過(guò)程中,從頂點(diǎn)集開(kāi)始,之后對(duì)邊的權(quán)重從最小權(quán)重

      ω

      到最大權(quán)重

      ω

      進(jìn)行排序,并讓參數(shù)

      δ

      ω

      增加到

      ω

      。在每一步中添加相應(yīng)的邊,得到閾值子圖

      G

      的復(fù)形,因此產(chǎn)生了Vietoris-Rips 過(guò)濾結(jié)構(gòu)。

      1.2.3 持續(xù)性圖

      隨著Rips 復(fù)形的構(gòu)建,連續(xù)的間隔一起組成持續(xù)性圖。持續(xù)性圖是濾流的點(diǎn)圖,當(dāng)一個(gè)洞出現(xiàn)時(shí),持續(xù)性圖中的一個(gè)點(diǎn)會(huì)被標(biāo)記出,該洞即具有包圍開(kāi)放空間的邊緣結(jié)構(gòu)。持續(xù)性圖的橫坐標(biāo)代表開(kāi)始時(shí)間,標(biāo)志著一個(gè)洞的誕生;縱坐標(biāo)代表洞消失的地方。該間隔通常被稱為特征持續(xù)時(shí)間,持續(xù)性圖可定性地描述持續(xù)同調(diào)。

      2 基于持續(xù)同調(diào)的社交網(wǎng)絡(luò)傳播特征

      從根本上說(shuō),持續(xù)同調(diào)是用來(lái)檢測(cè)空間的一種方法,該方法是理想的,因?yàn)殡S著復(fù)形的增加,貝蒂數(shù)趨于穩(wěn)定,即會(huì)生成穩(wěn)定的持續(xù)性圖。當(dāng)距離

      δ

      很小時(shí),會(huì)有一些斷開(kāi)的組件。當(dāng)

      δ

      足夠長(zhǎng)時(shí),該圖成為一個(gè)連接圖,斷開(kāi)的組件組合成一個(gè)。因此,所有持續(xù)性圖都有一個(gè)無(wú)限持續(xù)下去的持續(xù)性點(diǎn)。對(duì)應(yīng)在網(wǎng)絡(luò)圖中,當(dāng)距離較小時(shí)用戶緊密相連,從信息迅速傳播到最后信息傳播完成,形成一個(gè)穩(wěn)定的圈。

      運(yùn)用代數(shù)拓?fù)渲谐掷m(xù)同調(diào)的知識(shí)對(duì)在線社交網(wǎng)絡(luò)構(gòu)造VR 復(fù)形,將在線社交網(wǎng)絡(luò)邊數(shù)據(jù)集生成距離矩陣,再使用perseus 軟件計(jì)算得出貝蒂數(shù)和持續(xù)性圖,從而分析在線社交網(wǎng)絡(luò)的傳播特征。具體方法如下:

      2.1 貝蒂數(shù)持續(xù)性圖計(jì)算算法

      利用圖描述社交網(wǎng)絡(luò)時(shí),節(jié)點(diǎn)表示社交網(wǎng)絡(luò)中的用戶,邊表示用戶之間的關(guān)系,有關(guān)系則為“1”,沒(méi)有關(guān)系則為“0”。社交網(wǎng)絡(luò)中關(guān)注的是節(jié)點(diǎn)間的連接關(guān)系,并不強(qiáng)調(diào)坐標(biāo)位置。因此,本文首先利用Floyd算法計(jì)算得到距離矩陣,再將距離矩陣導(dǎo)入Perseus 軟件,最后通過(guò)Perseus 軟件計(jì)算得到社交網(wǎng)絡(luò)圖的貝蒂數(shù)和持續(xù)性圖。

      2.1.1 數(shù)據(jù)處理

      由于在線社交網(wǎng)絡(luò)往往較為龐大,為方便進(jìn)行持續(xù)同調(diào)相關(guān)計(jì)算,本文使用隨機(jī)游走算法對(duì)數(shù)據(jù)進(jìn)行處理,在有效保護(hù)網(wǎng)絡(luò)的同時(shí),創(chuàng)建一個(gè)可行的數(shù)據(jù)集。隨機(jī)游走算法通常被視為一些隨機(jī)過(guò)程的基本模型,并被視為馬爾可夫過(guò)程。隨機(jī)游走算法的基本思想是從一個(gè)頂點(diǎn)或一系列頂點(diǎn)游走一個(gè)圖,在任何頂點(diǎn)中,遍歷者將以概率1-

      a

      移動(dòng)到此頂點(diǎn)的相鄰頂點(diǎn),并以概率

      a

      隨機(jī)跳到圖中任何頂點(diǎn),

      a

      稱為跳躍發(fā)生概率。每次行走后都會(huì)得到一個(gè)概率分布,此概率分布描述了圖中每個(gè)頂點(diǎn)被訪問(wèn)的概率。使用此概率分布作為下一次行走的輸入,并迭代該過(guò)程。當(dāng)滿足一定條件時(shí),概率分布趨于收斂,得到平穩(wěn)的概率分布。一維的隨機(jī)游走可定義如下:每過(guò)一個(gè)單位時(shí)間,游走者從數(shù)軸位置

      x

      出發(fā),以固定概率隨機(jī)向左或向右移動(dòng)一個(gè)單位。不妨將

      n

      時(shí)刻游走者的位置記為

      L

      ,則有:

      其中,

      X

      ,

      X

      ,

      …X

      為相互獨(dú)立的隨機(jī)變量,滿足:

      在本文中,偽隨機(jī)數(shù)生成器從原始在線社交網(wǎng)絡(luò)圖中選擇一個(gè)節(jié)點(diǎn)作為起點(diǎn),接下來(lái)將相同節(jié)點(diǎn)作為第一個(gè)節(jié)點(diǎn)添加到新的圖

      G

      ′中。此后,程序查看連接到原始圖中當(dāng)前節(jié)點(diǎn)的邊,并隨機(jī)選擇一個(gè)進(jìn)行遍歷,同時(shí)將相同的邊添加到新的圖

      G

      ′中。整個(gè)過(guò)程經(jīng)歷了多次迭代,直到新構(gòu)建的圖

      G

      ′完全包含一部分節(jié)點(diǎn),本文取得的節(jié)點(diǎn)數(shù)為100。

      2.1.2 距離矩陣形成

      此時(shí)初始化一個(gè)鄰接矩陣作為輔助,即在給定一組節(jié)點(diǎn)時(shí),一個(gè)鄰接矩陣表示其邊關(guān)系。該矩陣表示在具有“1”和“0”的一對(duì)節(jié)點(diǎn)之間是否存在一條邊,“1”表示兩節(jié)點(diǎn)間存在一條邊,“0”表示兩節(jié)點(diǎn)間不存在邊。然后使用Floyd算法,通過(guò)Python 計(jì)算得出距離矩陣。下面簡(jiǎn)單介紹Floyd算法以及距離矩陣。

      Floyd算法又稱為插點(diǎn)法,是一種利用動(dòng)態(tài)規(guī)劃的思想尋找給定加權(quán)圖中多源點(diǎn)之間最短路徑的算法。首先,從任意一條單邊路徑開(kāi)始,所有兩點(diǎn)之間的距離是邊的權(quán),這里設(shè)所有邊的權(quán)值為1。如果兩點(diǎn)之間沒(méi)有邊相連,則權(quán)為無(wú)窮大。對(duì)于每一對(duì)頂點(diǎn)

      u

      v

      ,看看是否存在一個(gè)頂點(diǎn)

      w

      ,使得從

      u

      w

      再到

      v

      比已知路徑更短,如果是則對(duì)其進(jìn)行更新。用鄰接矩陣

      G

      表示圖,如果從

      v

      v

      有路可達(dá),則

      G

      =

      d

      ,

      d

      表示該路的長(zhǎng)度,否則

      G

      =

      。定義一個(gè)矩陣

      D

      用來(lái)記錄所插入點(diǎn)的信息,

      D

      表示從

      v

      v

      需要經(jīng)過(guò)的點(diǎn),初始化

      D

      =

      j

      。把各個(gè)頂點(diǎn)插入圖中,比較插點(diǎn)后的距離與原來(lái)的距離,

      G

      =min(

      G

      ,

      G

      +

      G

      ) 。如果

      G

      的值變小,則

      D

      =

      k

      。由此便可得到任意兩點(diǎn)間的距離信息,一個(gè)距離矩陣是一個(gè)包含一組點(diǎn)兩兩之間距離的矩陣(即二維數(shù)組),所以可將距離信息轉(zhuǎn)換成距離矩陣。

      2.1.3 持續(xù)性圖生成

      對(duì)數(shù)據(jù)進(jìn)行處理后,首先運(yùn)用Floyd算法對(duì)處理得到的100個(gè)點(diǎn)計(jì)算得出距離矩陣,然后利用持續(xù)同調(diào)計(jì)算軟件計(jì)算得出各維數(shù)的持續(xù)性間隔以及各維貝蒂數(shù),最后得到持續(xù)性圖(見(jiàn)圖3)。

      Fig.3 Steps to generate a persistence diagram圖3 持續(xù)性圖生成步驟

      2.2 小型社交網(wǎng)絡(luò)持續(xù)性信息獲取示例

      已知兩個(gè)小型社交網(wǎng)絡(luò),節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)系如圖4、圖5 所示。利用Floyd算法計(jì)算得到兩個(gè)小型網(wǎng)絡(luò)圖的8 × 8 距離矩陣,分別如下:

      Fig.4 Small network diagram a圖4 小型網(wǎng)絡(luò)圖a

      Fig.5 Small network diagram b圖5 小型網(wǎng)絡(luò)圖b

      此時(shí)通過(guò)貝蒂數(shù)持續(xù)性圖計(jì)算方法得出兩個(gè)社交網(wǎng)絡(luò)的貝蒂數(shù)分別如表1、表2 所示。

      Table 1 Betti number of small network diagram a表1 小型網(wǎng)絡(luò)圖a 的貝蒂數(shù)

      Table 2 Betti number of small network diagram b表2 小型網(wǎng)絡(luò)圖b 的貝蒂數(shù)

      在網(wǎng)絡(luò)拓?fù)鋱D中,零維貝蒂數(shù)表示網(wǎng)絡(luò)上的連通分支數(shù),一維貝蒂數(shù)表示網(wǎng)絡(luò)上的環(huán)(一維孔)數(shù),二維貝蒂數(shù)表示網(wǎng)絡(luò)圖中的空腔數(shù),貝蒂數(shù)越大,拓?fù)浜x越復(fù)雜。

      對(duì)于圖4,一開(kāi)始它有8個(gè)連通分支(即一開(kāi)始的8個(gè)節(jié)點(diǎn)),更高維的貝蒂數(shù)為零;形成第一個(gè)子復(fù)形時(shí),零維貝蒂數(shù)為1,即連通分支數(shù)為1,一維貝蒂數(shù)為2,即有2個(gè)圈,沒(méi)有更高維的貝蒂數(shù);形成第二個(gè)復(fù)形時(shí),零維貝蒂數(shù)為1,沒(méi)有一、二維的貝蒂數(shù),三維貝蒂數(shù)為5,即更高一維的三維空間有5個(gè)空洞;形成第三個(gè)復(fù)形時(shí),零維貝蒂數(shù)為1,沒(méi)有一、二維的貝蒂數(shù),三維貝蒂數(shù)為35,即更高一維的三維空間有35個(gè)空洞;沒(méi)有再形成更多復(fù)形。

      對(duì)于圖5,同樣一開(kāi)始它有8個(gè)連通分支,更高維的貝蒂數(shù)為零;形成第一個(gè)子復(fù)形時(shí),零維貝蒂數(shù)為1,即連通分支數(shù)為1,沒(méi)有更高維的貝蒂數(shù);形成第二個(gè)復(fù)形時(shí),零維貝蒂數(shù)為1,沒(méi)有一、二維的貝蒂數(shù),三維貝蒂數(shù)為25,即更高一維的三維空間有25個(gè)空洞;形成第三個(gè)復(fù)形時(shí),零維貝蒂數(shù)為1,沒(méi)有一、二維的貝蒂數(shù),三維貝蒂數(shù)為35,即更高一維的三維空間有35個(gè)空洞;沒(méi)有再形成更多復(fù)形。

      圖4 和圖5 是兩個(gè)小型網(wǎng)絡(luò)圖,都擁有8個(gè)節(jié)點(diǎn),從圖中可以看出,圖4 相對(duì)于圖5 節(jié)點(diǎn)與節(jié)點(diǎn)之間的聯(lián)系更緊密。所以圖4 各個(gè)節(jié)點(diǎn)之間的距離比圖5 更近,如果是節(jié)點(diǎn)之間相互傳播,圖4 相對(duì)于圖5 也更為容易,而這一點(diǎn)在持續(xù)同調(diào)計(jì)算得出的貝蒂數(shù)中得到了驗(yàn)證。表1 的貝蒂數(shù)總的來(lái)說(shuō)少于表2 的貝蒂數(shù)。

      小型網(wǎng)絡(luò)圖的持續(xù)性圖如圖6 所示。

      Fig.6 Persistence diagram of small network diagram圖6 小型網(wǎng)絡(luò)圖的持續(xù)性圖

      其中,橫坐標(biāo)表示持續(xù)性點(diǎn)的出生時(shí)間,縱坐標(biāo)表示持續(xù)性點(diǎn)的死亡時(shí)間。

      對(duì)于持續(xù)性圖,具有無(wú)限持續(xù)性點(diǎn)的出生時(shí)間被繪制為紅色菱形,即在網(wǎng)絡(luò)圖a 的持續(xù)性圖中有出生時(shí)間為2 和3 的兩個(gè)持續(xù)性點(diǎn),網(wǎng)絡(luò)圖b 的持續(xù)性圖中只有1個(gè)出生時(shí)間為3 的持續(xù)性點(diǎn)。

      通過(guò)示例可以看出:該方法充分捕捉了網(wǎng)絡(luò)拓?fù)涮卣?,可?jì)算出網(wǎng)絡(luò)拓?fù)湫畔?,得到的拓?fù)湫畔⑴c網(wǎng)絡(luò)圖的圖像一致,并且可根據(jù)拓?fù)湫畔嫵龀掷m(xù)性圖;節(jié)點(diǎn)間聯(lián)系更緊密的網(wǎng)絡(luò)圖更容易傳播,且其貝蒂數(shù)更大,傳播更容易擴(kuò)散;節(jié)點(diǎn)間聯(lián)系更緊密的網(wǎng)絡(luò)圖的持續(xù)性點(diǎn)數(shù)量多于稀疏的網(wǎng)絡(luò)圖;貝蒂數(shù)在零維、一維和二維中表現(xiàn)出持續(xù)同調(diào)性。

      3 數(shù)值實(shí)驗(yàn)

      選取SNAP數(shù)據(jù)庫(kù)中Facebook、Deezer 和Wiki-Vote的3個(gè)社交網(wǎng)絡(luò)圖,每個(gè)圖都提供了邊列表(每個(gè)邊列表數(shù)據(jù)由兩個(gè)節(jié)點(diǎn)ID 組成)。所有包含的數(shù)據(jù)集都滿足社交網(wǎng)絡(luò)標(biāo)準(zhǔn),即一個(gè)簡(jiǎn)單、未加權(quán)的網(wǎng)絡(luò)圖。具體來(lái)說(shuō),F(xiàn)acebook 網(wǎng)絡(luò)圖代表匿名社交圈人與人之間的關(guān)系,Deezer 網(wǎng)絡(luò)圖表示在線音樂(lè)網(wǎng)站中在線社交網(wǎng)絡(luò)的信息,而Wiki-Vote 網(wǎng)絡(luò)圖是由世界各地的志愿者合作編寫的免費(fèi)百科全書(shū)。上述社交網(wǎng)絡(luò)來(lái)自于大眾廣泛使用的社交媒體平臺(tái),可使本文能更好地模擬持續(xù)同調(diào)的實(shí)際應(yīng)用。

      對(duì)每個(gè)在線社交網(wǎng)絡(luò)的研究,主要是分析網(wǎng)絡(luò)所對(duì)應(yīng)的持續(xù)性圖。通過(guò)對(duì)每個(gè)使得持續(xù)性圖穩(wěn)定區(qū)間的分析與研究,可得到社交網(wǎng)絡(luò)空間的同調(diào)信息。這些同調(diào)信息可幫助獲取在線社交網(wǎng)絡(luò)的空間特點(diǎn),從而分析其傳播變化。

      3.1 網(wǎng)絡(luò)圖比較

      Facebook、Deezer 和Wiki-Vote 網(wǎng)絡(luò)數(shù)據(jù)集都包含了節(jié)點(diǎn)數(shù)據(jù)和邊數(shù)據(jù),通過(guò)邊數(shù)據(jù)獲取節(jié)點(diǎn)間的關(guān)聯(lián)信息,若形成邊則為“1”,若沒(méi)有形成邊則為“0”,由此生成網(wǎng)絡(luò)圖如圖7-圖9 所示。

      Fig.7 Facebook network diagram圖7 Facebook 網(wǎng)絡(luò)圖

      Fig.8 Wiki-Vote network diagram圖8 Wiki-Vote 網(wǎng)絡(luò)圖

      Fig.9 Deezer network diagram圖9 Deezer 網(wǎng)絡(luò)圖

      圖7-圖9 分別是Facebook、Wiki-Vote 以及Deezer 3個(gè)網(wǎng)絡(luò)在經(jīng)過(guò)數(shù)據(jù)處理后100個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)圖,從圖中可以看出,F(xiàn)acebook 網(wǎng)絡(luò)圖分成了3個(gè)團(tuán),且各個(gè)團(tuán)中各節(jié)點(diǎn)相互之間聯(lián)系緊密,具有很強(qiáng)的互聯(lián)性,這也對(duì)應(yīng)表現(xiàn)出Facebook 各個(gè)用戶之間的聯(lián)系。Wiki-Vote 與Deezer 兩個(gè)社交網(wǎng)絡(luò)的網(wǎng)絡(luò)圖則呈現(xiàn)出一個(gè)節(jié)點(diǎn)被其他多個(gè)節(jié)點(diǎn)連接,出現(xiàn)了類似于環(huán)狀結(jié)構(gòu),這與3個(gè)網(wǎng)絡(luò)的類型有一定聯(lián)系。在現(xiàn)實(shí)世界中,F(xiàn)acebook 網(wǎng)絡(luò)圖代表匿名社交圈的人際關(guān)系,每個(gè)用戶之間都存在相互聯(lián)系的可能,所以圖中所有節(jié)點(diǎn)之間始終具有很強(qiáng)的互連性;Wiki-Vote 網(wǎng)絡(luò)圖是用多種語(yǔ)言編寫而成的網(wǎng)絡(luò)百科全書(shū),其基于維基技術(shù)的多語(yǔ)言百科全書(shū)式協(xié)作計(jì)劃,所以其一個(gè)節(jié)點(diǎn)連接到多個(gè)端節(jié)點(diǎn),形成環(huán)狀;Deezer 網(wǎng)絡(luò)圖代表法國(guó)在線音樂(lè)網(wǎng)站,可提供樂(lè)隊(duì)與歌曲搜索及音樂(lè)播放等功能,通常在圖的中心創(chuàng)建一個(gè)環(huán),而邊界節(jié)點(diǎn)保持連接。

      3.2 貝蒂數(shù)比較

      根據(jù)節(jié)點(diǎn)以及邊關(guān)系,對(duì)Facebook、Deezer 和Wiki-Vote 3個(gè)社交網(wǎng)絡(luò)分別創(chuàng)建距離矩陣,通過(guò)持續(xù)同調(diào)計(jì)算,分別生成3個(gè)網(wǎng)絡(luò)圖的零維貝蒂數(shù)、一維貝蒂數(shù)及二維貝蒂數(shù)(見(jiàn)表3-表5),分析并比較其傳播規(guī)律。

      Table 3 Facebook Betti number表3 Facebook 貝蒂數(shù)

      Table 4 Wiki-Vote Betti number表4 Wiki-Vote 貝蒂數(shù)

      Table 5 Deezer Betti number表5 Deezer 貝蒂數(shù)

      從表3 數(shù)據(jù)中可以看出,當(dāng)沒(méi)有形成子復(fù)形時(shí),F(xiàn)acebook 網(wǎng)絡(luò)對(duì)應(yīng)的零維貝蒂數(shù)為100,即連通分支數(shù)量為100(本文選取100個(gè)節(jié)點(diǎn)),更高維的貝蒂數(shù)都為0;形成第一個(gè)子復(fù)形時(shí),零維貝蒂數(shù)為1,即連通分支數(shù)為1,一維貝蒂數(shù)為10,即有10個(gè)圈,二維貝蒂數(shù)為1,即有1個(gè)洞,沒(méi)有更高維的貝蒂數(shù);形成第二個(gè)復(fù)形時(shí),零維貝蒂數(shù)為1,沒(méi)有一、二維的貝蒂數(shù);之后隨著子復(fù)形的增加,零維、一維、二維貝蒂數(shù)均沒(méi)有發(fā)生變化;直到第9個(gè)子復(fù)形形成,之后沒(méi)有再形成更多復(fù)形。

      同理,從表4 的數(shù)據(jù)中,一開(kāi)始零維貝蒂數(shù)都為100,即連通分支數(shù)量為100,一維貝蒂數(shù)為12,二維貝蒂數(shù)為6;當(dāng)?shù)诙€(gè)子復(fù)形形成時(shí),零維貝蒂數(shù)變?yōu)?,而一、二維貝蒂數(shù)分別為19 和0;當(dāng)?shù)谌齻€(gè)子復(fù)形形成時(shí),零維貝蒂數(shù)依然為1,而一、二維貝蒂數(shù)變?yōu)?;該情況一直持續(xù)到第四個(gè)子復(fù)形形成,之后沒(méi)有再形成更多復(fù)形。

      表5 的數(shù)據(jù)情況與表3 類似,一開(kāi)始零維貝蒂數(shù)都為100,第二個(gè)子復(fù)形形成時(shí),零維貝蒂數(shù)變?yōu)?,而一、二維貝蒂數(shù)分別為10 和3;當(dāng)?shù)谌齻€(gè)子復(fù)形形成時(shí),零維貝蒂數(shù)依然為1,沒(méi)有一、二維貝蒂數(shù);直到第四個(gè)子復(fù)形形成,之后沒(méi)有再形成更多復(fù)形。

      從表中3 組數(shù)據(jù)可以看出,當(dāng)沒(méi)有子復(fù)形形成時(shí),3個(gè)網(wǎng)絡(luò)圖對(duì)應(yīng)的零維貝蒂數(shù)都為100,即連通分支數(shù)量為100(本文選取100個(gè)節(jié)點(diǎn))。Facebook 網(wǎng)絡(luò)和Deezer 網(wǎng)絡(luò)的一、二維貝蒂數(shù)都為0,而在Wiki-Vote 網(wǎng)絡(luò)中,一維貝蒂數(shù)為12,二維貝蒂數(shù)為6,這是由于Wiki-Vote 網(wǎng)絡(luò)是一個(gè)百科全書(shū)網(wǎng)絡(luò)。從網(wǎng)絡(luò)圖中可以發(fā)現(xiàn),它有一些圈和洞產(chǎn)生,即一、二維貝蒂數(shù)。隨著子復(fù)形個(gè)數(shù)的增加,連通分支的個(gè)數(shù)逐漸穩(wěn)定為1,而更高維的圈、洞個(gè)數(shù)逐漸變?yōu)?,此時(shí)意味著傳播結(jié)束。從整個(gè)貝蒂數(shù)表格數(shù)據(jù)中可以看出,F(xiàn)acebook 網(wǎng)絡(luò)和Deezer 網(wǎng)絡(luò)在第二個(gè)復(fù)形形成時(shí)的一維貝蒂數(shù)都小于Wiki-Vote 網(wǎng)絡(luò),說(shuō)明Facebook 網(wǎng)絡(luò)和Deezer網(wǎng)絡(luò)的傳播更容易擴(kuò)散,更有利于傳播,而Wiki-Vote 網(wǎng)絡(luò)不容易激活很多節(jié)點(diǎn),傳播力相對(duì)弱一些,傳播更為困難。因此,可利用貝蒂數(shù)來(lái)刻畫在線社交網(wǎng)絡(luò)的傳播。

      3.3 持續(xù)性圖比較

      根據(jù)節(jié)點(diǎn)以及邊關(guān)系,對(duì)3個(gè)社交網(wǎng)絡(luò)分別創(chuàng)建距離矩陣,由此生成3個(gè)網(wǎng)絡(luò)圖的持續(xù)性圖(見(jiàn)圖10),分析比較其傳播變化規(guī)律。

      對(duì)于持續(xù)性圖,具有無(wú)限持續(xù)性點(diǎn)的出生時(shí)間被繪制為紅色菱形。從3個(gè)持續(xù)性圖可以看出,F(xiàn)acebook 網(wǎng)絡(luò)的持續(xù)性圖有9個(gè)紅色菱形,即有9個(gè)無(wú)限持續(xù)性點(diǎn),與上述貝蒂數(shù)中的子復(fù)形個(gè)數(shù)相對(duì)應(yīng);Wiki-Vote 網(wǎng)絡(luò)的持續(xù)性圖有4個(gè)紅色菱形,即有4個(gè)無(wú)限持續(xù)性點(diǎn);Deezer 網(wǎng)絡(luò)的持續(xù)性圖同樣有4個(gè)紅色菱形,即有4個(gè)無(wú)限持續(xù)性點(diǎn)。對(duì)于持續(xù)性點(diǎn),圖結(jié)構(gòu)越復(fù)雜,其持續(xù)性點(diǎn)也會(huì)更多。從以上3個(gè)持續(xù)性圖可以看出,F(xiàn)acebook 網(wǎng)絡(luò)的無(wú)限持續(xù)性點(diǎn)多于Wiki-Vote 網(wǎng)絡(luò)和Deezer 網(wǎng)絡(luò),說(shuō)明Facebook 網(wǎng)絡(luò)比Deezer 網(wǎng)絡(luò)和Wiki-Vote 網(wǎng)絡(luò)更利于傳播,而Deezer 網(wǎng)絡(luò)和Wiki-Vote 網(wǎng)絡(luò)的傳播力相對(duì)弱一些,傳播更為困難。說(shuō)明Wiki-Vote 網(wǎng)絡(luò)和Deezer 網(wǎng)絡(luò)相對(duì)于Facebook 網(wǎng)絡(luò)更穩(wěn)定,這也很好地驗(yàn)證了上述小型網(wǎng)絡(luò)圖示例得出的結(jié)論。因此,持續(xù)性圖也可用來(lái)刻畫在線社交網(wǎng)絡(luò)的傳播。

      Fig.10 Persistence diagram of online social networks圖10 在線社交網(wǎng)絡(luò)的持續(xù)性圖

      4 結(jié)語(yǔ)

      社交網(wǎng)絡(luò)傳播是在線社交網(wǎng)絡(luò)的重要研究?jī)?nèi)容,本文主要運(yùn)用持續(xù)同調(diào)方法構(gòu)造一系列單純復(fù)形來(lái)逼近社交網(wǎng)絡(luò)空間,得到社交網(wǎng)絡(luò)的同調(diào)信息,再將這些信息寫入持續(xù)性圖中,通過(guò)貝蒂數(shù)和持續(xù)性圖的穩(wěn)定信息分析在線社交網(wǎng)絡(luò)傳播。在一定程度下,盡管在線社交網(wǎng)絡(luò)會(huì)發(fā)生變化(在線社交網(wǎng)絡(luò)本就屬于動(dòng)態(tài)網(wǎng)絡(luò)),對(duì)本文要得到的同調(diào)信息也幾乎沒(méi)有影響。從本文得出的結(jié)論中,發(fā)現(xiàn)持續(xù)同調(diào)性可作為描述社交網(wǎng)絡(luò)圖傳播的一種手段。根據(jù)已有數(shù)據(jù)顯示,該方法充分捕捉了網(wǎng)絡(luò)拓?fù)涮卣?,為在線社交網(wǎng)絡(luò)圖描述傳播提供了有效的新方法。在后續(xù)工作中將采用更大的數(shù)據(jù)集,并根據(jù)在線社交網(wǎng)絡(luò)得到的持續(xù)同調(diào)對(duì)在線社交網(wǎng)絡(luò)傳播進(jìn)行更深入研究。

      猜你喜歡
      網(wǎng)絡(luò)圖持續(xù)性頂點(diǎn)
      網(wǎng)絡(luò)圖中的45°角
      過(guò)非等腰銳角三角形頂點(diǎn)和垂心的圓的性質(zhì)及應(yīng)用(下)
      云創(chuàng)新助推科技型中小企業(yè)構(gòu)建持續(xù)性學(xué)習(xí)機(jī)制
      網(wǎng)絡(luò)圖在汽修業(yè)中應(yīng)用
      活力(2019年21期)2019-04-01 12:17:00
      關(guān)于頂點(diǎn)染色的一個(gè)猜想
      持續(xù)性迭代報(bào)道特征探究——以“江歌案”為例
      新聞傳播(2018年13期)2018-08-29 01:06:32
      關(guān)注持續(xù)性感染,提高生活質(zhì)量
      以知識(shí)網(wǎng)絡(luò)圖為主導(dǎo)的教學(xué)模式淺探
      論虛工作是單雙代號(hào)網(wǎng)絡(luò)圖的實(shí)質(zhì)性區(qū)別
      更綠色和持續(xù)性螯合劑GLDA及其應(yīng)用之道
      淮阳县| 青川县| 阳高县| 会宁县| 常德市| 盐源县| 濮阳市| 隆安县| 丹寨县| 和平县| 石阡县| 新干县| 海原县| 东兰县| 龙口市| 青铜峡市| 阳泉市| 巴塘县| 天台县| 若羌县| 顺昌县| 旬阳县| 永春县| 城固县| 讷河市| 孝昌县| 敦化市| 德阳市| 台南县| 萍乡市| 思茅市| 丰宁| 同德县| 泾源县| 河东区| 定远县| 老河口市| 静海县| 洪泽县| 繁昌县| 颍上县|