Wykrywanie anomalii linków w sieci czasowej


32

Natknąłem się na ten artykuł, który wykorzystuje wykrywanie anomalii linków do przewidywania trendów, i uważam, że jest to niezwykle intrygujące: artykuł „Odkrywanie pojawiających się tematów w strumieniach społecznościowych poprzez wykrywanie anomalii linków” .

Chciałbym powielić go na innym zestawie danych, ale nie znam wystarczająco metod, aby wiedzieć, jak z nich korzystać. Powiedzmy, że mam serię migawek sieci węzłów w okresie sześciu miesięcy. Węzły mają rozkład stopni z długim ogonem, z których większość ma tylko kilka połączeń, a niektóre mają bardzo wiele. Nowe węzły pojawią się w tym okresie.

Jak mogę wdrożyć sekwencyjne zdyskontowane znormalizowane obliczenia maksymalnego prawdopodobieństwa zastosowane w pracy, aby wykryć anomalne połączenia, które moim zdaniem mogą być prekursorami wybuchu? Czy istnieją inne metody, które byłyby bardziej odpowiednie?

Pytam zarówno teoretycznie, jak i praktycznie. Gdyby ktoś mógł wskazać mi sposób zaimplementowania tego w Pythonie lub R, byłoby to bardzo pomocne.

Ktoś? Wiem, że sprytni ludzie mają kilka początkowych pomysłów na odpowiedź,


1
Jeśli nie masz nic przeciwko złagodzeniu preferencji R / python, czy moje dzieło może pomóc? goo.gl/l7SLlB Niektóre z zalet tej metody polegają na tym, że nie trzeba się martwić o typy funkcji, normalizacje i inne.
arielf

1
O ile nie rozumiem pytania, powinieneś być w stanie zaimplementować metodę z artykułu w taki sam sposób, w jaki autorzy artykułu wdrożyli metodę. Jeśli metoda nie jest powtarzalna z artykułu, należy skontaktować się z autorami. Autorzy mogą również chcieć dostarczyć swój kod. Jeśli masz konkretne pytania teoretyczne lub pytania dotyczące programowania, należy je zadawać osobno.
Nat

Odpowiedzi:


0

Najpierw należy opracować definicję wyniku anomalii dla nowego węzła (patrz rozdział 3.1, 3.2). Na szczęście korespondencja między nowym postem (w ich przypadku) a nowym węzłem (w twoim przypadku) jest prawie jeden do jednego, ponieważ interesuje nas tylko zestaw węzłów (użytkowników), którym jest węzeł (post) związany z.

γ

Zapytaj dalej, jeśli masz trudności z wykonaniem kroków opisanych w podrozdziale 3.4., W których stosuje się SDNML.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.