Анализ социальных сетей с помощью NetworkX Предисловие
Анализ социальных сетей с использованием NetworkX Введение
Узнайте, как компании, такие как Facebook и LinkedIn, извлекают понимание из сетей
![Источник изображения: pixabay.com](https://ai.miximages.com/miro.medium.com/v2/resize:fit:640/format:webp/1*9QfCOnr0tr1gw_NfEOhL9Q.jpeg)
Как стриминговые платформы, такие как Netflix, рекомендуют идеальный фильм для вашего вечера? Как можно оптимизировать позиционирование игроков в спорте, например, в футболе? Как мы можем идентифицировать мошеннические действия в финансовых сетях? Как мы можем предсказывать совпадение в приложениях для знакомств, например, в Tinder?
У всех этих задач есть одно и то же решение: Анализ социальных сетей.
Анализ социальных сетей (SNA) – это мощная область науки о данных, которая позволяет исследовать сложные отношения внутри сети сущностей, обнаруживать скрытые шаблоны и получать понимание. Сущности в сети могут быть чем угодно: людьми в социальной сети, такой как Instagram, веб-сайтами в интернете или даже спортивными командами в турнирной сети.
В следующих разделах я помогу вам понять, что такое сети в науке о данных, описать наиболее распространенные типы и реализовать несколько алгоритмов для извлечения ценной информации из сетей.
- Линейная алгебра 1 Линейные уравнения и системы
- Глобальный рынок искусственного интеллекта увидит масштабный рост на 31%.
- «НАСА будет использовать искусственный интеллект для отслеживания неба и выявления неопознанных аномалий»
Все теоретические части будут сочетаться с практическими примерами. Вы найдете несколько фрагментов кода на Python, чтобы ознакомиться с библиотекой Python NetworkX.
Понимание сетей
Сеть, также называемая графом, представляет собой особое представление информации, состоящее из двух основных компонентов: узлов и ребер.
Узлы являются строительными блоками сети. Они представляют отдельные сущности внутри сети. Они могут быть представлены разнообразными вещами, такими как люди в социальной сети, а также гены в биологической сети.
Ребра, в свою очередь, представляют отношения между узлами. Они могут определять взаимодействия между двумя людьми, ассоциации или зависимости. Ребра могут быть направленными, что означает, что отношение, которое они представляют, идет от одного узла к другому. Подумайте о направленном ребре, представляющем платеж, который один человек совершил другому, действительно полезно знать направление обмена деньгами. Эта асимметрия представлена стрелками.
В NetworkX, узлы и ребра легко представляются следующим образом: