Cập nhật bài giải phân tích mạng xã hội

Cộng đồng UIT Diễn đàn cũ
1

Chào các anh chị CH5

  1. Em xin post bài giải phân tích mạng xã hội đã cập nhật. Sau khi tham khảo bài giải của bạn Muôn, em có thống nhất một số công thức tính để các anh chị thuận tiện theo dõi.
  2. Bài giải của em theo dạng đồ thị có hướng, còn của bạn Muôn theo dạng đồ thị vô hướng. Rất thuận tiện để anh chị tham khảo
  3. Riêng đối với bạn Muôn, mình có ý kiến là ở câu 3 tìm tập key player chúng ta dựa vào degree centrality và cloneness centrality để tìm chứ không thể chỉ dựa duy nhất vào degree centrality được.

Cảm ơn.
VT

2

<!–QuoteBegin-CH1001088+21 Jun 2011, 11:47 AM–></div><table border=‘0’ align=‘center’ width=‘95%’ cellpadding=‘3’ cellspacing=‘1’><tr><td><b>QUOTE</b> (CH1001088 @ 21 Jun 2011, 11:47 AM)</td></tr><tr><td id=‘QUOTE’><!–QuoteEBegin–> <!–QuoteBegin-CH1001060+21 Jun 2011, 11:16 AM–></div><table border=‘0’ align=‘center’ width=‘95%’ cellpadding=‘3’ cellspacing=‘1’><tr><td><b>QUOTE</b> (CH1001060 @ 21 Jun 2011, 11:16 AM)</td></tr><tr><td id=‘QUOTE’><!–QuoteEBegin–> Hi all,
Mình áp dụng định nghĩa ở trang 21 và tính thì thấy tất cả số liệu đều khớp với hình vẽ.
Closeness centrality of a node = the mean (average) length of all shortest paths (SP) from that node to all other nodes.

Giả sử tính đỉnh 6:
SP(6->1)=3
SP(6->2)=2
SP(6->3)=2
SP(6->4)=3
SP(6->5)=1
SP(6->7)=1
=> Closeness(V6)=(3+2+2+3+1+2)/6=2.17.

Các đỉnh khác mình đều tính giống như hình vẽ.
C(V1)=2
C(V2)=1.5
C(V3)=1.33
C(V4)=2.17
C(V5)=1.33
C(V6)=C(V7)=2.17 <!–QuoteEnd–></td></tr></table><div class=‘postcolor’><!–QuoteEEnd–>
Cách của anh Phước giống công thức của bạn Muôn đưa. Vậy chúng ta có thể dùng công thức này làm chuẩn ?

Thân
VT <!–QuoteEnd–> </td></tr></table><div class=‘postcolor’> <!–QuoteEEnd–>
Mình đồng ý với ý kiến bạn Trường, lớp mình thống nhất cách giải như của anh Phước. <!–emo&:D–><img src=‘http://www.uit.edu.vn/forum/html/emoticons/biggrin.gif’ border=‘0’ style=‘vertical-align:middle’ alt=‘biggrin.gif’ /><!–endemo–>

3

Chào các Anh/Chi,

Có một số công thức áp dụng tính cloneness centrality. Công thức sau đây sẽ cho kết quả giống trong tài liệu Thầy đưa:

Cc(v) = <img src=‘http://upload.wikimedia.org/math/6/1/7/617515750c397db09b0523f83242b00c.png’ border=‘0’ alt=‘user posted image’ />, trong đó: dG (v,t) là số bước đi nhỏ nhất từ đỉnh t tới đỉnh v. n là số đỉnh

Thân,
Muôn Nguyễn

4

Chào Trường,

Nếu mình tính theo tài liệu thầy đưa thì Muôn đoán công thức sẽ là:
Cloneness Centrality = (chiều dài trung bình của các Shortest Path (SP) từ node đó đến tất cả các node khác) / (số nút trong đồ thị)
mà nếu áp dụng trong ví dụ trong phần này thì thấy không đúng như kết quả hiển thị bên cạnh:).

Công thức trong phần bài làm của Muôn tham khảo từ wikipedia. Theo Muôn biết thì một số chương trình như InFlow3.1, NodeXL cũng tính theo cách này. Do đó chắc chúng ta phải bàn thêm về Cloneness Centrality quá. Quan điểm của Muôn là công thức nào đúng, dễ hiểu thì mình áp dụng.

Mong nhận được hồi âm,
Muôn Nguyễn

5

Chào các Anh/Chị lớp CH5,

Mình rất tán thành với ý kiến cùa bạn Trường ở câu 3 tìm tập key player chúng ta dựa vào degree centrality và cloneness centrality. Một thắc mắc nhỏ nữa là Mình có phải dựa vào betweeness centrality nữa không? Vì mình đọc trong tài liệu Thầy đưa (Social Network Analysis_NUS) thì hình như nó cũng dựa vào thông số này nữa.

Thân,
Muôn Nguyễn

6

Hi all,
Mình áp dụng định nghĩa ở trang 21 và tính thì thấy tất cả số liệu đều khớp với hình vẽ.
Closeness centrality of a node = the mean (average) length of all shortest paths (SP) from that node to all other nodes.

Giả sử tính đỉnh 6:
SP(6->1)=3
SP(6->2)=2
SP(6->3)=2
SP(6->4)=3
SP(6->5)=1
SP(6->7)=1
=> Closeness(V6)=(3+2+2+3+1+2)/6=2.17.

Các đỉnh khác mình đều tính giống như hình vẽ.
C(V1)=2
C(V2)=1.5
C(V3)=1.33
C(V4)=2.17
C(V5)=1.33
C(V6)=C(V7)=2.17

7

<!–QuoteBegin-CH1001109+25 Jun 2011, 05:27 PM–></div><table border=‘0’ align=‘center’ width=‘95%’ cellpadding=‘3’ cellspacing=‘1’><tr><td><b>QUOTE</b> (CH1001109 @ 25 Jun 2011, 05:27 PM)</td></tr><tr><td id=‘QUOTE’><!–QuoteEBegin–> Hi anh Phước, anh Trường, everybody
Có thắc mắc muốn hỏi là từ V6->V1 có 2 SP là 6-5-2-1 và 6-5-3-1 với len=3 thì mình phải tính luôn không?
Thứ hai là từ V6->V7 có SP là 6-5-7 => len=2 chứ
Vài thắc mắc mong 2 anh giúp xem có sai kg? <!–QuoteEnd–> </td></tr></table><div class=‘postcolor’> <!–QuoteEEnd–>
Chào Khoa

Từ V6->V1 có 2 SP vẫn phải tính luôn.
SP của V6->V7 là 2 đúng rồi.

Thân
VT

8

Mời các anh chị tham khảo các công thức áp dụng cách giải bài tập phân tích mạng xã hội

Tính clustering
<a href=‘http://en.wikipedia.org/wiki/Clustering_coefficient#Network_average_clustering_coefficient’ target=‘_blank’>http://en.wikipedia.org/wiki/Clustering_co...ing_coefficient&lt;/a&gt;

Tính degree centrality, betweenness centrality, cloneness centrality
<a href=‘http://en.wikipedia.org/wiki/Centrality#Betweenness_centrality’ target=‘_blank’>http://en.wikipedia.org/wiki/Centrality#Be...ness_centrality&lt;/a&gt;

Chắc là xin phép cả lớp cho mình và bạn Muôn thống nhất cách giải theo 2 trang wikipedia trên.
Thân
VT

9

<!–QuoteBegin-CH1001060+21 Jun 2011, 11:16 AM–></div><table border=‘0’ align=‘center’ width=‘95%’ cellpadding=‘3’ cellspacing=‘1’><tr><td><b>QUOTE</b> (CH1001060 @ 21 Jun 2011, 11:16 AM)</td></tr><tr><td id=‘QUOTE’><!–QuoteEBegin–> Hi all,
Mình áp dụng định nghĩa ở trang 21 và tính thì thấy tất cả số liệu đều khớp với hình vẽ.
Closeness centrality of a node = the mean (average) length of all shortest paths (SP) from that node to all other nodes.

Giả sử tính đỉnh 6:
SP(6->1)=3
SP(6->2)=2
SP(6->3)=2
SP(6->4)=3
SP(6->5)=1
SP(6->7)=1
=> Closeness(V6)=(3+2+2+3+1+2)/6=2.17.

Các đỉnh khác mình đều tính giống như hình vẽ.
C(V1)=2
C(V2)=1.5
C(V3)=1.33
C(V4)=2.17
C(V5)=1.33
C(V6)=C(V7)=2.17 <!–QuoteEnd–> </td></tr></table><div class=‘postcolor’> <!–QuoteEEnd–>
Cách của anh Phước giống công thức của bạn Muôn đưa. Vậy chúng ta có thể dùng công thức này làm chuẩn ?

Thân
VT

10

<!–QuoteBegin-CH1001053+20 Jun 2011, 10:33 PM–></div><table border=‘0’ align=‘center’ width=‘95%’ cellpadding=‘3’ cellspacing=‘1’><tr><td><b>QUOTE</b> (CH1001053 @ 20 Jun 2011, 10:33 PM)</td></tr><tr><td id=‘QUOTE’><!–QuoteEBegin–> Chào Trường,

Nếu mình tính theo tài liệu thầy đưa thì Muôn đoán công thức sẽ là:
Cloneness Centrality = (chiều dài trung bình của các Shortest Path (SP) từ node đó đến tất cả các node khác) / (số nút trong đồ thị)
mà nếu áp dụng trong ví dụ trong phần này thì thấy không đúng như kết quả hiển thị bên cạnh:).

Công thức trong phần bài làm của Muôn tham khảo từ wikipedia. Theo Muôn biết thì một số chương trình như InFlow3.1, NodeXL cũng tính theo cách này. Do đó chắc chúng ta phải bàn thêm về Cloneness Centrality quá. Quan điểm của Muôn là công thức nào đúng, dễ hiểu thì mình áp dụng.

Mong nhận được hồi âm,
Muôn Nguyễn <!–QuoteEnd–></td></tr></table><div class=‘postcolor’><!–QuoteEEnd–>
Chào Muôn

Mình cũng đồng ý với quan điểm của Muôn, vì vậy mình muốn thống nhất cách giải để cả lớp có thể tham khảo.

Quả thật, như anh Phước và bạn Muôn nói, ngay cả mình cũng đã thử công thức như bài báo của thầy Phúc nhưng kết quả vẫn không giống như ví dụ. Chính vì vậy, mình đã áp dụng công thức theo bài giải của Muôn. Chắc còn phải thảo luận nhiều về vấn đề này.

Mong các anh chị đóng góp ý kiến để cả lớp có cách giải nhất quán.
Thân
VT

11

Chào bạn Muôn

Theo như ý kiến của anh Phước, mình nghĩ ở phần tính Cloneness Centrality , chúng ta tính theo bài báo Social Net Work Analysis - NUS mà thầy Phúc đã đưa để thống nhất với cả lớp luôn , như vậy sẽ thuận tiện cả lớp tham khảo. Muôn có đồng ý không ?

Thân
VT

12

Hi anh Phước, anh Trường, everybody
Có thắc mắc muốn hỏi là từ V6->V1 có 2 SP là 6-5-2-1 và 6-5-3-1 với len=3 thì mình phải tính luôn không?
Thứ hai là từ V6->V7 có SP là 6-5-7 => len=2 chứ
Vài thắc mắc mong 2 anh giúp xem có sai kg?