MétaCan
Menu
Retour à la cohorte
Enregistrement W2029880254 · doi:10.1109/asonam.2012.85

Dealing with Disappearance of an Actor Set in Social Networks

2012· article· en· W2029880254 sur OpenAlexafffund
Idrissa Sarr, Rokia Missaoui, Romain Lalande

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceNode (physics)Set (abstract data type)Information flowNetwork topologyGroup (periodic table)Quality (philosophy)Key (lock)Class (philosophy)Distributed computingCategorizationFlow (mathematics)Social network (sociolinguistics)Dynamic network analysisComputer networkTopology (electrical circuits)Theoretical computer scienceComputer securityArtificial intelligenceWorld Wide WebEngineeringMathematicsSocial media

Résumé

récupéré en direct d'OpenAlex

Social networks are dynamic structures that contain a set of entities and links. In such a dynamic environment, a specific node or a group of nodes can play an important role in the information flow transmission within the network and therefore, its disappearance may lead to a disconnected network or a breakdown in the information flow. The objective of this paper is to extend our previous work on managing a node disappearance to handling the disappearance of a group of nodes. The proposed approach relies on the role played by a group of nodes to conduct network changes and maintain the network connected while restoring the information flow with a similar quality as before the group disappearance. We consider two situations (only one versus many communities) and categorize groups of nodes into three classes (scattered, contiguous and hybrid). Hence, we manage a group disappearance with respect to its class and the network topology by adding new links in a parsimonious way and finding a substitute for a leaving group. Our approach differs from existing link prediction solutions by the fact that it uses the information flow quality as a key performance indicator to identify the potential links to add and/or the possible substitute to a disappearing group. We implement a prototype by using an open source social network analysis library (NetworkX) and we validate our solution through experiments. The results show the benefits of our solution in terms of response time and the number of added links.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,002
Communication savante0,0020,007
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,294
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetComplex Network Analysis TechniquesTravaux en français237 207