基於能見度與新穎性的社群網路演化模型

Abstract

社群網路是一種用來描述個體間彼此關係的表現方式。而研究人員在不同領域的社群網路上面發現了許共通的特性，並且針對這些特性提出各種對應的社群網路產生模型。然而，這些模型多半著重在如何產生類似社群網路的結構特性，而忽略個體間的差異所帶來的影響。本論文藉由分析資料中節點與其鄰居的連結建立時間，說明對於新進入社群網路中的節點，在建立連結時會受到其他節點存在於社群網路的時間長短所影響。並且針對此一分析結果提出一偏好選擇的模型，對於不同概念Random Selecting，Seniority-Similar Selection，Elder-preferred Selection的選擇方式進行模擬。然而實驗的結果顯示，僅靠單一偏好的選擇方式並沒有辦法很好的重現現實資料中所分析出的特性。因此，我們提出一Mix Gaussian Model，藉由同時考慮新穎性與能見度兩種概念方式進行模擬，結果顯示此一方法最能夠符合資料的特性。