定量相似度评价基于Supernetwork互联网社交网络的实体

文摘

如何准确地描述相似的实体是检测虚拟社区的基础互联网社交网络的结构。提出了一种基于supernetwork实体,两个指标之间的定量相似度评价的朋友关系和相似的兴趣。supernetwork理论首先引入模型在线社交网络的复杂关系实体通过整合三种基本网络:实体,行动,和利益,建立三种映射:从实体到行动,从行动到利益,从实体利益,也就是说,一个隐藏的关系挖掘通过可见的传输特性映射。和进一步的两个实体之间的相似度计算权重的值两个指标:朋友关系和相似的兴趣。实验表明,该模型不仅可以提供一个更现实的关系的个人用户在一个互联网社交网络,但同时,建立加权社会网络,也就是说,一个图形用户实体顶点和相似之处的边缘,值记录他们相似的力量相对于另一个。

1。介绍

许多系统可以表示成复杂网络或图形,即顶点加入成对的边的集合。例子包括互联网和万维网,引文网络,社会网络、生物网络。尤其是互联网的迅速发展,越来越多的人把它当作一个地方来表达自己的声音,宣泄自己的感情,和相互通信。巨大的变化发生了人际传播,从真正的社交网络虚拟网络社区,为表达和沟通提供开放的平台,这样陌生人从现实世界中可以分享他们的想法,形成一组强大的影响力,甚至导致网络事件。因此,复杂网络在许多领域引起了相当大的关注表示各种各样的复杂系统。检测群落结构,看起来对社区作为组内节点之间有更高密度的边缘和边缘稀疏的,已经成为复杂网络领域的热门研究课题。它的主要任务是将整个网络划分为子组,并有很强的相似性分析虚拟社区的动态演化规律和识别等功能单元的集合页关于单个主题Web网络或周期在代谢网络。群落结构检测已广泛应用于许多领域,如犯罪调查和网络搜索。

近年来,提出了多种算法,以揭露一个虚拟社区的特点1- - - - - -5]。所有现有采矿方法主要是基于三种类型的信息:网络的拓扑结构(如聚类系数、介数),整个网络的动态特性,利用频谱分析理论和图分区矩阵的数学。领域的巨大成就了检测复杂网络社区结构。此外,大多数复杂网络研究二进制位,也就是说,顶点之间的边是现在或不是。这种网络是由(0,1)或二进制矩阵。他们忽视,可能有个别节点之间的强或弱社会关系(6]。大多数的方法分析节点的连接只考虑一个因素,如朋友关系的个人或web页面的超链接。对矿业这坏的影响有效和现实的群落结构。两个陌生人可能属于同一个组,如果他们有很强的利益在一些话题。事实上,两个实体在一个社区的相似程度取决于多因素/属性,如朋友关系,爱好,和社会地位。相似性分析顶点矿业社区的基础是一个复杂的网络。因此,它是重要的检测群落结构模型设计一种新颖的基于多因素的探索节点的相似性。

本文构建一个网络社交网络建模为一个图表的用户id或实体顶点和他们的相似之处是边缘。针对这个网络,提出一种新型supernetwork-based由多因素模型描述网络的社会群体。这个模型包括三个基本的网络,两个明显的映射和一个隐藏的网络映射。个体的相似性定义计算了社交网络权重的值两个指标:朋友关系和相似的兴趣。我们解决问题的内在重量值,也就是说,连接强度值之间的任何两个用户id在在线社交网络3]。加权社会网络构建,为社区结构检测奠定基础,也就是说,将整个网络划分为子组,并有很强的相似性。

本文的其余部分组织如下。节2,我们回顾相关工作发现复杂网络社区结构。部分3提出了一种新的基于supernetwork关系模型描述网络由多因素的社会群体。部分4给出了其具体算法的实现。介绍了实验分析和讨论部分5。最后,部分6概述了结论和未来的工作。

2。相关工作

在各领域的研究人员发现,许多复杂系统分享一些重要的拓扑属性,如小世界属性,无标度性质,和社区结构,已经吸引了很多注意力。特别是,群落结构确实是相当重要的,因为它有助于理解网络的结构和功能。到目前为止,大多数作品检测群落结构关注两种网络:电脑网络和现实世界的网络,包括圣扎迦利俱乐部网络,爵士音乐家网络,C。线虫代谢网络,一个大学的电子邮件网络,足球比赛网络(3,7,8)和Web网络(9,10]。本文对互联网社交网络分析的目标,进一步建立了加权社会网络。由于在线社交网络与网络网络共享许多相似之处,比如在网络环境中运行的虚拟社区结构,以下部分显示了检测的相关工作网络网络和在线社交网络的社区结构,并分析了加权网络的方法。

通常,Web网络建模为一个图形顶点和超链接网页的边缘。加里·威廉片状等人网络社区定义为Web页面的集合中每个成员页面超链接在社区内比在社区(9]。和识别高度相关的网页,提出基于连接,没有固有的偏见基于文本的方法。结果可以应用到改进的搜索引擎,内容过滤,和客观的分析,在网络和社区之间的关系。表Moussiades等人提出了一个新颖的定义细化社区的社区网站的结构。它要求的链接连接顶点数它的社区的数量高于链接连接顶点到其他社区,但不一定高于链接的数量连接顶点以外的社区。和小说图聚类算法提出了开采提炼社区网站(10]。可以看出,大部分是注意分组高度相关的网页识别通过网站在web网络的超链接。

提取在线社交领域的社区结构,艾伦做第一项研究检查多个在线社交网站规模,包括Orkut, YouTube和Flickr。公开访问的用户链接每个站点都爬获取大部分每个社交网络的图。作者分析了超过1100万用户的联系从虚拟网络社区,并进一步说明在线社交网络有三个特点:幂律,小世界和无标度11,12]。冯福等人分析了一个新浪博客社区的结构,一种社交网络,通过计算度分布、聚类系数和平均最短路径长度。他们也证明了博客网络具有小世界性质和进出程度分布幂律形式(13]。Makoto小泽在日本等分析了博客网络博客的博客写的博客,反映人民的利益。基于模块化和社区提取方法应用在个人博客网络帖子是顶点和超链接到/从其他博客文章是边缘14]。

我们发现,大多数Web和在线社交网络研究在当前文学未加权的网络。居香等人指出,被忽视的连接强度和只保留在未加权的网络拓扑网络(3]。两个新概念:内在的重量和结构重量边提出。前者代表了各种元素之间的连接网络的力量。提取以后,从网络的拓扑结构也与网络拓扑和有助于识别国际米兰或者内部社区边缘。但如何得到加权网络中每条边的权重值不是提到。纽曼分析加权网络,连接相关的权重,记录他们的力量相对于另一个6]。他可以分析说明加权网络使用一个简单的从一个加权网络映射到一个无关紧要的油印。像工作3),边的方法确定内在重量值不了。

本文旨在提出一种新的方式来评估相似水平的在线社会实体和构造加权社会网络中用户id是边缘节点及其相似。事实上,许多因素,如社会关系和利益,影响两个社会实体之间的相似性。因此,它是非常重要的,提出一个正式的模型,结合多属性来确定在线社交网络中的节点连接强度。我们应该考虑多因素对连接强度的影响的顶点,以全面评估用户实体的相似之处。

3所示。在网络社会群体Supernetwork基于关系模型

与空间的限制,本文选择了两个因素:朋友关系和利益衡量在网络社会群体用户实体的相似之处。本部分首先介绍了supernetwork的基本知识。实体的模型基于supernetwork在线社会群体的关系。

3.1。引入Supernetwork

supernetwork是复合网络,“超越”现有的网络,由节点和边的15]。它可以根据多种标准链接multitire网络和为我们提供工具来研究相互关联的网络16]。它还允许高效的算法计算的应用。Supernetworks范围概念,图形的角度来看,和与相关的理论,预测。supernetwork模型可以用超图。其形式化定义如下所示。

给定一个有限集和一组集群是一组的吗,也就是说,是一个超图的如果和。和所有的元素和分别是超图的节点和边。

Supernetworks已经成为一个强大的工具分析复杂的网络系统,如知识网络,研究网络、交通网络和社会网络。因此,它是可行的模型的复杂关系,进一步评估相似的实体在网络社会团体基于supernetwork理论。

3.2。实体模型的在线社会群体关系

本文结合两个属性的虚拟个人:朋友关系和兴趣相似性测量不同实体的相似之处。我们定义三种基本网络:实体网络,行动网络和利益网络,并建立两个明显的映射:从实体到行动,从利益的行动,和一个隐藏的映射:从实体到利益。基于supernetwork小说模型建模本文提出的用户实体之间的关系如图1。

之间有很强的联系这三个基本关系模型中包含的在线社交网络的用户。事实是否两个用户实体的朋友可以直接被捕获的朋友的价值属性的实体或判断它们之间通过通信的数量。但显然很难确定两个人实体分享共同利益。我们只能遵守所有操作由实体,如发布文章,表达意见,关于主页,间接地获得他们的兴趣相似度。隐藏的映射,从实体到兴趣,可以通过计算获得高于supernetwork建立关系模型。

鉴于米互联网个人用户节点在一个社交网络的正式描述supernetwork基于关系模型所示下面两个部分。

3.2.1之上。三种基本的网络

网络1。实体
由,有限的实体的集合和边的两个节点之间设置。每个组件的可能是一个注册帐户ID或用户名。的变量米用于表示用户实体的数量在一个社交网络。组件的代表了两个实体的朋友关系:和。如果它的值是1,这意味着这两个实体是朋友,他们之间有一个边缘的构造超图。否则,没有朋友之间存在关系和。

网络2。行动
用,有限的行动”和边的两个动作节点之间设置。的变量n代表所有行动发起的实体的数量。每个组件的是一个动作由实体,如表达他的意见关于一些话题在论坛或社区参与的一个网络应用程序提供的不同。此外,每个网络活动可以反映一种利益实体对应的ID。组件的代表共同利益这两个活动:和反映。如果两个动作节点之间存在一条边:和,它的值设置为1。否则,其值设置为0,这意味着他们没有共同利益根据先验知识的行为及其相应的利益。

网络3。感兴趣
所表达的,有限的利益”和边的设置两个利益。的变量是利益的数量对应于所有操作。每个组件的表示一种预定义的兴趣。每个逻辑组件的意味着可能存在一个核心之间的共同利益和,这可能反映了利益的主要特征。如果它的值是1,有一个共同利益两种之间的核心利益。相反,它们之间不存在共同利益的核心并将其值设置为0。此外,一些相同利益与利益的核心可以聚集成一个爱好。摘要集群为一组所有的兴趣爱好,降低维度实体和兴趣之间的关系矩阵,并进一步提出了简化相关模型。

3.2.2。三种网络映射

映射1。从实体到行动
传达所有网络活动由实体在一段时间内完成的。从实体的映射它的活动组显示为,这一事实设置为1表示的实体执行的操作。

图2所示。从行动到利益
一个明显的映射,代表所有利益相应的任何实体的行动。从网络的映射操作自己的利益集显示为,在那里表示动作由一个实体对应于感兴趣。

映射3。从实体到利益
一个隐藏的映射提供所有利益属于任何网络用户节点。从实体的映射他的利益是由,价值的事实= 1意味着实体有偏见的兴趣。这种映射不能直接从原始网络获得数据集。通过传输特性得到了两个明显的网络映射:映射1和2的映射。

4所示。社会实体之间的相似度评价算法

supernetwork建立实体关系模型在本文提出的相似度计算两个实体的权重值两个指标:朋友关系和相似的兴趣。在我们的模型中,相似矩阵用户实体被定义为(1),和是朋友关系的指数矩阵和兴趣相似性,分别和权重的值由系统管理员分配根据分配给每个指标的重要性,

如果有实体在一个互联网社交网络,,三个矩阵的维度。以下两个部分描述如何确定的值和。

4.1。量化方法的朋友关系

对于任何一个元素的朋友关系矩阵,它的值可以两种可能性:1和0,代表两个实体:和分别是朋友或陌生人。朋友的关系澄清在以下两种情况。(一)当朋友的实体列表信息或实体中提供了社交网络,可以直接获得通过提取他们的朋友列表。结果显示如下: 在哪里是一组的朋友。如果属于,设置为1。相反,它被设置为0。(b)当没有朋友的实体列表信息或可以直接从互联网社交网络,朋友关系的价值是通过互动活动的数量实体之间和实体,可以从文章发表的计算实体由实体和回答或发表的实体由实体和回答。如果大于一个预定义的阈值,这两个实体是当作朋友和的值设置为1。否则,它被设置为0。它给出如下:

4.2。量化的兴趣相似度方法

众所周知,余弦相似度被广泛用于测量两个向量之间的相似性计算夹角的余弦。通常用于比较文档文本挖掘,包括聚类和Web文本分类(17]。余弦函数的结果等于1角为0时,它小于1的角是任何其他值。基于这一事实,本文提出了一种方法计算感兴趣的相似性矩阵虚拟个人基于余弦相似度的两个向量隐藏关系矩阵实体和利益。首先,矩阵迭代完成的操作在三个明显的映射关系,从而得到隐藏的映射关系:从实体根据拟议中的supernetwork兴趣模型(见图1)。并进一步的兴趣相似性矩阵用户ID节点之间是通过计算两个配对向量之间的余弦。算法的详细信息如下所示。

输入
网络用户实体设置、网络操作设置、兴趣组,爱好。

输出
兴趣相似度矩阵。

步骤1。构造活动集的根据网络行动由实体。

步骤2。建立利益集的根据之前关系的知识网络行为和相应的利益。

步骤3。建筑的爱好感兴趣的基于先验知识的兴趣和相应的爱好。

步骤4。生成三个关系矩阵:,,基于向量,,分别由supernetwork映射规则。他们代表三种实体之间的关系和行动,行动和利益之间,分别和兴趣和爱好之间。这三个矩阵如下所示: 上面的三个矩阵的组件都是二元的,也就是说,每个组件的值是0或1。如果实体执行的操作组件的值的矩阵设置为1。否则,它被设置为0。类似地,组件的代表是否行动是对应于感兴趣。组件在表示是否感兴趣属于爱好与否。

第5步。计算矩阵的关系通过网络传输特性映射的实体和利益关系。它可以通过以下方程: 在矩阵更大的价值是,感兴趣的程度就越高所有的节点的实体。

步骤6。计算两个向量的余弦函数:和的获得相似兴趣相似度矩阵的一个元素是什么。的相似度 的实体和实体给出如下: 更大的价值是,是两个实体的兴趣相似度越高:和在线社交网络。

5。实验和分析

5.1。实验环境

因为上网的限制,本文选择了一个真实的社交网络:人人网作为验证平台的有效性提出实体相似度关系模型(18,19]。人人网,目前约有3.38亿名注册用户,提供了中国最大的社交网络服务和采用真实姓名为用户注册系统。Facebook的服务基本上是一样的功能和特性。它可以被视为中国版的Facebook。注册用户可以很容易的找到他的朋友根据教育信息档案并将它们添加到好友列表。他也可以更新个人状态,发表博客,上传/分享照片,留言,或者评论照片,博客,状态,等等。尤其有一个地区常见的网页为用户实体提供一个互动平台通过日志、音乐和视频。根据连杆结构,常见的web页面的区域分为三个层次:域,话题,常见的web页面。它包括七个领域:公司、体育和事件,著名的图标,放松,教育和科学、电影和卡通,媒体与组织。和每个领域常见的web页面由几种类型的话题。 For example, the domain Sports & Events is further divided into World Cup, Asian Games, World Exposition, and so on. There is one common web page corresponding to each topic, where its creator shares photos or videos, and publishes logs. If other registered users have interest on some topic, they usually leave their comments on the photos, videos, or logs in the corresponding common web page. Thus, this page is called focused common web page by some users who express their ideas about it.

在社交网络人人网,常见的web页面集中用户可以反映他们的利益。为了确定的行为、兴趣和爱好的个人社会用户,本文是在他的评论常见的网页为他们的行动组,此外,相对应的主题关注页面和域的网页属于被视为用户的兴趣和爱好。

5.2。实验结果和分析

虚拟网络社区人人为人们提供了一个交流平台。个人文章和评论发布的注册用户可以反映他们的问题。陌生人从现实世界中可能形成一组强大的影响力,甚至导致网络集体事件,只要他们有强烈的兴趣话题。相反,朋友没有共同的关切可能不是一个有影响力的组织形式。因此,本文分配值0.3和0.7和分别模拟不同程度的重要性分配给每个索引。

我们选择了12个注册网络用户作为分析对象,因为空间的限制。在现实社会中,选定的12个网络用户从不同城市的主人我们大学的学生。z . y .张是我们学校的学生领袖。因此,几乎每个人都知道他。他喜欢收集公共主页相关名人企业家的利益,名人模型,占星术,视频游戏和体育俱乐部。F Liu x y . Wang杜x, y,和c . g .刘在同一实验室工作:网络攻击和防御。刘f和s . x Du密切关注主页的著名的图标,放松,电影和卡通,运动和事件,和教育与科学。T俏,x x, y王从事信息内容安全分析和实验室的工作内容安全。H。金和h·李在另一个实验室工作:安全管理。 Coincidentally, both H. Jin and X. X. Wei like to concern some web pages with the subject of Famous Icon, Relaxation, and Sports & Events, such as World Cup, AC Milan, YuShu earthquake. Only J. Zha does research work about encryption and decryption in information security lab. Moreover, there is a tendency among young students that more and more people add their friends into the friend list of RenRen social network, express their ideas about the events they focus on and know about latest activities by accessing the posts written by their friends.

采用网络爬虫技术获得的源代码每个用户ID的主页。并进一步得到其好友名单中提取信息标签“id”和标签之间“贵宾”,其集中常见的web页面。他们的朋友关系在虚拟网络世界如图2。从图可以看出2实体z . y .张是除美国以外的所有其他实体的朋友杜x,这符合他的广泛的社会关系在现实社会。之间有许多行f . Liu x y . Wang杜x, y,和c·g·刘。魏三个用户t·乔x x, y王彼此是朋友。h·李和h·j·金是众所周知的。图2也反映了实际工作的关系12注册用户。

这12个社交网络用户集中在36个常见的web页面,也就是说,36种利益参与这个实验,如托福和世界杯。有七个爱好:公司、体育和事件,著名的图标,放松,教育和科学、电影和卡通,媒体与组织领域的常见的人人网社区web页面。各种感兴趣的可以对应一个爱好。根据先验知识的行为、兴趣和爱好,我们得到了supernetwork关系模型的一组12个社会实体从人人网社交网络。这是在图3三角形,正方形,小点,大点代表的实体,分别行动,兴趣,爱好,。

根据用户实体之间的相似度评价算法中引入部分4,我们进一步得到映射关系从实体到爱好和他们的学位,如表所示1在第一列和第一行表示节点实体和用户爱好,分别。

从表可以看出1T乔和X。Y王有关最高程度上爱好放松。关于程度的Y王爱好著名的图标是5.5。通过分析他的集中常见的web页面从采样数据集,我们发现他收集了8网页:AC米兰,陈奕迅,世界杯,刘艳,Lady GaGa, ZL,救赎,玉树地震。一半的人,包括陈奕迅,Lady GaGa, ZL张和救赎,表明他有兴趣的音乐家,明星主持人,名人模型,和名人演员,这属于一个爱好:著名的图标。表1还显示,12个网络用户没有关注两个爱好:媒体与组织和公司。同时,我们分析了采样的网页,发现12个注册用户不关心的网页相关这两个爱好。

最后,12个用户实体相似度的值如表所示2。图4给出了加权网络的社会实体的相似值的基础上的朋友关系和相似的兴趣。

结果实体的相似之处,如图4,有效地说明了两个因素的影响:朋友关系和利益相似的综合相似的实体。结果解释如下。(1)我们发现之间的相似度值f·刘,s . x Du = 0.99。它是最高的在所有的相似度值,因为他们是朋友,分享五种爱好:著名的图标,放松,电影和卡通,体育与活动,教育和科学和有强烈倾向于前三的爱好。最实体z . y . Zhang和其他实体之间的相关程度高于宽0.7因为他的友谊。从图可以看出2实体z . y .张是除美国以外的所有其他实体x Du的朋友。相反,其余11个注册用户至少有6个陌生人。此外,z . y . Zhang至少有两种常见的爱好:著名的图标与其他网络用户和放松。可以得出结论,网络用户,他们的朋友和分享更多的爱好,有较大的相似度值,可能集群成一个强大的虚拟社区。(2)通过比较数据2和4,我们发现实体h·j·金只知道两个实体组成:Z。y张和h·李。虽然他不知道王y, C。G刘和x x,他们有很高的相似度的值在0.55以上,因为他们有许多爱好。之间的相似度值h·j·金和魏x x = 0.59。原因是h·j·金和x x魏分享三种爱好:著名的图标,放松和运动和事件。这也说明了两个陌生人多共同的爱好可能导致一个虚拟社区的形成。(3)表2表明y丁和J咋有最小相似度0.2。图1表明他们不是朋友。我们还发现从表1他们有弱偏向两个共同的爱好:著名的图标和放松。实验结果进一步证明两个陌生人共享不太常见的爱好不会形成一个虚拟网络组和低影响的趋势流行的网络意见。

6。结论

我们提出了一个定量相似度评价方法的互联网社交用户基于supernetwork理论利用相似度两个指标的朋友关系和利益。三种基本的网络:实体,行动,和利益集成来描述网络用户的复杂的相关关系。介绍了两个向量的余弦相似度算法获得利息两个网络实体之间的相似度。实验结果在现实网络环境说明两个指标的朋友关系和兴趣相似性更有效比先前的方法只有一个因素来描述网络节点的关联程度。它成功地构建加权在线社交网络,也就是说,用户实体图中顶点和相似性是边缘。此外,每条边记录他们的体重值相似强度相对于另一个。

更有未来的探索。我们未来的工作将集中在研究检测方法的加权社会网络的社区结构,了解在线社交网络的结构和功能。

确认

本文是由中国国家重点基础研究发展计划(没有。2010 cb731403/2010cb731406)和中国国家自然科学基金(没有。61071152)。

引用

1. m·e·j·纽曼和m . Girvan“发现和评估网络社区结构,”物理评论E,卷69,不。2篇文章ID 026113页1 - 15,2004。视图:出版商的网站|谷歌学术搜索
2. a . Clauset m·e·j·纽曼和c·摩尔,“发现社区结构在非常大的网络,”物理评论E,卷70,不。6篇文章ID 066111 1 - 6, 2004页。视图:出版商的网站|谷歌学术搜索
3. j, k .胡,y唐”类检测的改进算法在复杂网络社区,”自然史答:统计力学及其应用,卷387,不。13日,3327 - 3334年,2008页。视图:出版商的网站|谷歌学术搜索
4. y, d . Li j·刘,j .梁”检测通过节点在复杂网络社区结构相似,“自然史答:统计力学及其应用,卷389,不。14日,第2857 - 2849页,2010年。视图:出版商的网站|谷歌学术搜索
5. 谢,m .霁y张,d .黄”在网络社区结构的检测通过一种改进的谱方法,”自然史答:统计力学及其应用,卷388,不。15 - 16岁,3268 - 3272年,2009页。视图:出版商的网站|谷歌学术搜索
6. m·e·j·纽曼,“加权网络,分析”物理评论E,卷70,不。5篇文章ID 056131 - 2004页。视图:出版商的网站|谷歌学术搜索
7. m . Girvan m·e·j·纽曼,“在社会和生物群落结构的网络,”美国国家科学院院刊》上的美利坚合众国,卷99,不。12日,第7826 - 7821页,2002年。视图:出版商的网站|谷歌学术搜索
8. 网络数据,http://www-personal.umich.edu/ ~ mejn / netdata。
9. g . w .片美国劳伦斯c·l·贾尔斯,f . m . Coetzee“自组织和识别的网络社区,”电脑,35卷,不。3、66 - 71年,2002页。视图:出版商的网站|谷歌学术搜索
10. l . Moussiades和a . Vakali矿业网站的社区结构”在信息学学报第4巴尔干半岛的会议塞萨洛尼基,页239 - 244年,希腊,2009年9月。视图:出版商的网站|谷歌学术搜索
11. 梅丝洛夫,m . Marcon p·g . Gummadi et al .,“测量和在线社交网络的分析,”学报》第七届ACM SIGCOMM互联网测量会议(IMC ' 07),页29-42,圣地亚哥,加利福尼亚州,美国,2007年10月。视图:出版商的网站|谷歌学术搜索
12. a . e .梅丝洛夫在线社交网络:测量、分析和应用的分布式信息系统莱斯大学博士论文,2009。
13. f .冯·l·刘,k .杨“自组织博客圈的结构,”http://arxiv.org/abs/math/0607361。视图:谷歌学术搜索
14. n·m·田柴田先生,y Kajikawa“识别博客圈的大型结构,”复杂系统的进展,12卷,不。2、207 - 219年,2009页。视图:谷歌学术搜索
15. a . Nagurney“Supernetworks:介绍的概念和它的应用程序与一个特定的关注知识Supernetworks”http://supernet.som.umass.edu/articles/uksupernetworks.pdf。视图:谷歌学术搜索
16. a . Nagurney“Supernetworks:供应链之间的关系和交通网络平衡:supernetwork等效计算,”交通研究E部分,42卷,不。4、293 - 316年,2006页。视图:出版商的网站|谷歌学术搜索
17. 余弦相似度,http://en.wikipedia.org/wiki/Cosine_similarity。
18. http://www.renren.com。
19. 人人网,http://en.wikipedia.org/wiki/Renren。

版权

版权©2011 Xiuzhen陈等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。