Discovering sets of key players and

Discovering sets of key players and analyzing their
influence is also one of the vital problems in social network
analysis. In this phenomenon some nodes can have
intrinsically higher influence than others due to network
structure. The global measures are often associated with
nodes in the network rather than edges. The edges are rather
associated with the strength of relationships between nodes.
[13] discusses the importance of Influential analysis. We
would consider the edge based and node based measures to
analyze the influence, such as determining the pivotal nodes
with top tie strengths as shown in Figure. 6. In this figure,
we depict a sample snapshot of 104 top frequent edges using
[6] algorithm from an evolving call network at the end of
31 days. The above graph is illustrated using FruchtermanReingold
layout algorithm [14]. We can observe few dense
connections in the center of the graph and many sparsely
connected nodes at the periphery. Additionally, we propose
to analyze the cascading behavior and strength of mutual
exchange of information between nodes.

ผลลัพธ์ (ไทย) 1:

ค้นพบชุดของผู้เล่นที่สำคัญ และการวิเคราะห์ของพวกเขาอิทธิพลยังเป็นปัญหาสำคัญอย่างหนึ่งในเครือข่ายสังคมการวิเคราะห์ ในปรากฏการณ์นี้ สามารถมีโหนบางอย่างอิทธิพลภายในสูงกว่าคนอื่น ๆ เนื่องจากเครือข่ายโครงสร้าง มาตรการสากลมักเกี่ยวข้องกับโหนดในเครือข่ายมากกว่าที่เป็นขอบ ขอบจะค่อนข้างเกี่ยวข้องกับความแข็งแกร่งของความสัมพันธ์ระหว่างโหน[13] กล่าวถึงความสำคัญของการวิเคราะห์อิทธิพล เราจะพิจารณาตามขอบและโหนตามมาตรการวิเคราะห์อิทธิพล เช่นการกำหนดโหนดที่สำคัญกับด้านบนผูกแข็งดังแสดงในรูป 6. ในรูปนี้เราแสดงภาพตัวอย่างของ 104 ขอบบ่อยที่สุดโดยใช้[6] อัลกอริทึมจากเครือข่ายโทรพัฒนาเมื่อสิ้นสุด31 วัน กราฟข้างต้นมีภาพประกอบโดยใช้ FruchtermanReingoldรูปอัลกอริทึม [14] เราสามารถสังเกตน้อยหนาแน่นเชื่อมต่อใจกลางของกราฟและหลายเบาบางโหนดที่เชื่อมมัว นอกจากนี้ เรานำเสนอการวิเคราะห์การทำงานและความแข็งแรงของหน่วยเกี่ยวข้องการแลกเปลี่ยนข้อมูลระหว่างโหน

ผลลัพธ์ (ไทย) 2:

การค้นพบชุดของผู้เล่นที่สำคัญและการวิเคราะห์ของพวกเขา
มีอิทธิพลต่อยังเป็นหนึ่งในปัญหาที่สำคัญในเครือข่ายสังคม
การวิเคราะห์ ในปรากฏการณ์นี้บางโหนดสามารถมี
อิทธิพลภายในสูงกว่าคนอื่น ๆ เนื่องจากเครือข่าย
โครงสร้าง มาตรการทั่วโลกมักจะเกี่ยวข้องกับ
โหนดในเครือข่ายมากกว่าขอบ ขอบค่อนข้าง
ที่เกี่ยวข้องกับความแข็งแรงของความสัมพันธ์ระหว่างโหนด.
[13] กล่าวถึงความสำคัญของการวิเคราะห์ที่มีอิทธิพล เรา
จะพิจารณามาตรการขอบและโหนดที่ใช้ในการ
วิเคราะห์อิทธิพลเช่นการกำหนดโหนดการพิจาณา
ที่มีจุดแข็งด้านบนผูกดังแสดงในรูป 6. ในรูปนี้
เราแสดงให้เห็นถึงภาพรวมกลุ่มตัวอย่าง 104 ขอบด้านบนใช้บ่อย
[6] อัลกอริทึมจากเครือข่ายที่เรียกร้องการพัฒนาในตอนท้ายของ
31 วัน กราฟข้างต้นแสดงให้เห็นถึงการใช้ FruchtermanReingold
ขั้นตอนวิธีการรูปแบบ [14] เราสามารถสังเกตความหนาแน่นไม่กี่
เชื่อมต่ออยู่ในใจกลางของกราฟและหลายเบาบาง
โหนดเชื่อมต่อขอบ นอกจากนี้เรายังนำเสนอ
การวิเคราะห์พฤติกรรมซ้อนและความแข็งแรงของการร่วมกัน
แลกเปลี่ยนข้อมูลระหว่างโหนด

ผลลัพธ์ (ไทย) 3:

ค้นหาชุดของผู้เล่นสำคัญและการวิเคราะห์ของพวกเขาอิทธิพลก็เป็นปัญหาหนึ่งที่สำคัญในเครือข่ายทางสังคมการวิเคราะห์ ในปรากฏการณ์นี้ บางจุดสามารถมีภายในที่สูงขึ้นกว่าคนอื่น ๆเนื่องจากเครือข่ายอิทธิพลโครงสร้าง มาตรการทั่วโลกมักจะเกี่ยวข้องกับโหนดในเครือข่ายมากกว่าขอบ ขอบ ค่อนข้างที่เกี่ยวข้องกับความแข็งแรงของความสัมพันธ์ระหว่างโหนด[ 13 ] กล่าวถึงความสำคัญของการวิเคราะห์อิทธิพล . เราจะพิจารณาใช้มาตรการตามขอบ และ โหนดวิเคราะห์อิทธิพล เช่น กำหนดจุดลงไปด้วยจุดแข็งผูกด้านบน ดังแสดงในรูป 6 . ในรูปนี้เราแสดงถึงภาพรวมของ 104 ตัวอย่างด้านบนขอบที่ใช้บ่อย ๆ[ 6 ] ขั้นตอนวิธีจากการพัฒนาเครือข่ายในตอนท้ายของโทร31 วัน กราฟข้างต้นจะแสดงการใช้ fruchtermanreingoldรูปแบบขั้นตอนวิธี [ 14 ] เราสามารถสังเกต ไม่หนาแน่นการเชื่อมต่อในศูนย์ของกราฟและหลายประปรายเชื่อมต่อโหนดที่รอบนอก นอกจากนี้ เราเสนอเพื่อวิเคราะห์พฤติกรรมและความแข็งแกร่งของกองซ้อนแลกเปลี่ยนข้อมูลระหว่างโหนด