To estimate the size of anOSN, i.e.

To estimate the size of an
OSN, i.e., the number of users an OSN has, this paper introduces
three estimators using widely available OSN functionalities/services.
The rst estimator is a maximum likelihood estimator (MLE) based
on uniform sampling. An O(logn) algorithm is developed to solve the
estimator. In our experiments it is 70 times faster than the naive linear
probing algorithm. The second estimator is mark and recapture (MR),
which we employ to estimate the number of Twitter users behind its
public timeline service. The third estimator (RW) is based on random
walkers and is generalized to estimate other graph properties. In-depth
evaluations are conducted on six real OSNs to show the bias and variance
of these estimators. Our analysis addresses the challenges and pitfalls
when developing and implementing such estimators for OSNs

ผลลัพธ์ (ไทย) 1:

การประเมินขนาดของการมี OSN เช่น จำนวนผู้ใช้ที่ OSN แนะนำบทความนี้estimators สามใช้ OSN มีฟังก์ชันหรือบริการประมาณ rst เป็นโอกาสสูงสุดประมาณ (MLE) คะแนนบนสม่ำเสมอ อัลกอริทึม O(logn) ได้รับการพัฒนาเพื่อแก้ปัญหาการประมาณ ในการทดลองของเรา มีความเร็ว 70 ครั้งกว่าสาธารณะเชิงเส้นละเอียดขั้นตอนวิธี ประมาณสองเป็นเครื่องหมายและ recapture (MR),ซึ่งเราใช้การประมาณจำนวนผู้ใช้ Twitter อยู่เบื้องหลัง ของมันการบริการสาธารณะไลน์ ประมาณสาม (RW) ตามแบบสุ่มวอล์กเกอร์ และทั่วไปเพื่อประเมินคุณสมบัติอื่น ๆ ของกราฟ ในเชิงลึกการประเมินจะดำเนินการในหกจริง OSNs แสดงอคติและความแปรปรวนของ estimators เหล่านี้ การวิเคราะห์ของเราเน้นความท้าทายและข้อผิดพลาดเมื่อการพัฒนา และการใช้เช่น estimators สำหรับ OSNs

ผลลัพธ์ (ไทย) 2:

ในการประมาณการขนาดของนั้น
OSN คือจำนวนผู้ใช้ OSN มีกระดาษนี้จะแนะนำ
สามประมาณค่าใช้สามารถใช้ได้อย่างกว้างขวางฟังก์ชัน OSN / บริการ.
ประมาณการ RST เป็นประมาณการความน่าจะเป็นสูงสุด (MLE) ตาม
วิธีการเก็บตัวอย่างสม่ำเสมอ มี O (logn) ขั้นตอนวิธีการได้รับการพัฒนาเพื่อแก้ปัญหาการ
ประมาณการ ในการทดลองของเรามันเป็น 70 ครั้งเร็วกว่าเส้นไร้เดียงสา
ขั้นตอนวิธีการแหย่ ประมาณการที่สองคือมาร์คและรำลึก ( ม.ร.ว. )
ซึ่งเราใช้ในการประมาณการจำนวนผู้ใช้ทวิตเตอร์ที่อยู่เบื้องหลังของ
การบริการสาธารณะไทม์ไลน์ ที่สามประมาณการ (RW) จะขึ้นอยู่กับการสุ่ม
เดินและทั่วไปเพื่อประเมินคุณสมบัติกราฟอื่น ๆ ในเชิงลึก
การประเมินผลจะดำเนินการในหก OSNs ที่แท้จริงในการแสดงอคติและความแปรปรวน
ของการประมาณค่าเหล่านี้ การวิเคราะห์ของเราอยู่กับความท้าทายและข้อผิดพลาด
เมื่อมีการพัฒนาและการดำเนินการดังกล่าวประมาณ OSNs

ผลลัพธ์ (ไทย) 3:

การประมาณขนาดของทราน เช่น จำนวนผู้ใช้ OSN หนึ่งมีกระดาษนี้ เปิดตัวสามใช้กันอย่างแพร่หลายทรานประมาณฟังก์ชัน / บริการวันแรกประมาณประมาณความควรจะเป็นสูงสุด ( mle ) ตามเครื่องแบบนักเรียน o ( ส่ง ) โดยมีการพัฒนาเพื่อแก้ปัญหาประเมินราคา ในการทดลองของเรา มันเป็น 70 ครั้งเร็วกว่าไร้เดียงสาเชิงเส้นตรวจสอบขั้นตอนวิธี ประมาณการที่สองคือมาร์คและรำลึก ( MR )ที่เราใช้ในการประมาณการจำนวนของผู้ใช้ Twitter หลังของมันระยะเวลาการบริการสาธารณะ ประมาณการสาม ( RW ) ตามแบบสุ่มวอล์คเกอร์และแบบประเมินคุณสมบัติอื่น ๆ ) ในความลึกการประเมินผลจะดำเนินการในหกของจริงเพื่อแสดงอคติและความแปรปรวนของตัวประมาณนี้ การวิเคราะห์ของเราที่อยู่กับความท้าทายและข้อผิดพลาดเมื่อมีการพัฒนา และการใช้อิทธิพลของเช่น