知识卡片
最大团交集不能证明影响力
把全部最大团转成集合再求交,可找出每个最大团都包含的节点,但这是结构统计,不等于影响力或信任的直接测量。书中建图时人为让me连到每位好友,me出现在所有最大团中与构造有关;另一个共同节点也不能据此自动称为最有影响力者,需要另外定义并验证指标。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
friends_in_all_max_cliques = list(reduce(lambda x, y: x.intersection(y), max_clique_sets)) print 'Num cliques:', num_cliques print 'Avg clique size:', avg_clique_size print 'Max cl
参考来源
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第2章《2.3.2 查看好友关系》(spine72;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0061.html;u038-ch02-029)。
- 结论依据:原文在“friends_in_all_max_cliques”附近的定义、例子或代码支撑本卡核心说明:把全部最大团转成集合再求交,可找出每个最大团都包含的节点,但这是结构统计,不等于影响力或信任的直接测量。边界按已读前提解释;示例未执行。
- 原始内容:friends_in_all_max_cliques = list(reduce(lambda x, y: x.intersection(y), max_clique_sets)) print 'Num cliques:', num_cliques print 'Avg clique size:', avg_clique_size print 'Max cl