Thuật toán dò tìm cộng đồng của Cla

Thuật toán dò tìm cộng đồng của Clauset, Newman, và Moore (CNM) là một phương pháp loại bỏ sự ảnh hưởng của cộng đồng được xác định trong từng bước của thuật toán. Thuật toán CNM là thuật toán phân cụm theo thứ bậc với thời gian chạy trên mạng có n đỉnh và m cạnh là O(mdlogn) với d là độ sâu của dendrogram miêu tả cấu trúc cộng đồng. Mặc dù thuật toán CNM cho thời gian chạy nhanh và độ đo chất lượng phân chia cộng đồng khá phù hợp với các mô hình thực tế, tuy nhiên kết quả cho ra khá nhiều cộng đồng có cấu trúc lớn, đồng thời việc cực đại hóa giá trị modularity chưa thể giúp ta khẳng định đồ thị có cấu trúc cộng đồng trừ khi các cộng đồng tìm được là các clique.
Từ các điểm yếu của thuật toán CNM thì thuật toán INCRE COMM EXTRACTION (INC) được phát triển để giảm kích thước của các cộng đồng, mối liên hệ giữa các đối tượng trong cộng đồng hẹp lại. Trong bài sẽ mô hình hóa mạng với độ quan tâm của người dùng dựa trên việc suy diễn các tin nhắn không đồng nhất từ các hoạt động truyền thông trên mạng xã hội như các comnent và tweet của các người dùng trên trang Facebook và Twitter. Độ quan tâm của người dùng là các nội dung tương tác nhận được từ mạng động trong tự nhiên được hình thành và phát triển qua không gian và thời gian do các hoạt động xung quanh người dùng sẽ tạo ra được các vòng tròn xã hội.
Kết quả thực nghiệm cho thấy rằng thuật toán INC có thể phát hiện các cộng đồng tốt hơn nhiều so với thuật toán CNM. Kết hợp giữa mô hình độ quan tâm của người dùng và phương thức trích xuất cộng đồng có thể xác định được cộng đồng theo từng chủ đề.

Kết quả (Anh) 1:

Thuật toán dò tìm cộng đồng của Clauset, Newman, và Moore (CNM) là một phương pháp loại bỏ sự ảnh hưởng của cộng đồng được xác định trong từng bước của thuật toán. Thuật toán CNM là thuật toán phân cụm theo thứ bậc với thời gian chạy trên mạng có n đỉnh và m cạnh là O(mdlogn) với d là độ sâu của dendrogram miêu tả cấu trúc cộng đồng. Mặc dù thuật toán CNM cho thời gian chạy nhanh và độ đo chất lượng phân chia cộng đồng khá phù hợp với các mô hình thực tế, tuy nhiên kết quả cho ra khá nhiều cộng đồng có cấu trúc lớn, đồng thời việc cực đại hóa giá trị modularity chưa thể giúp ta khẳng định đồ thị có cấu trúc cộng đồng trừ khi các cộng đồng tìm được là các clique.          (())                                                                                      