Zrozumienie i budowa algorytmu sieci społecznościowej - algorytm, networking społecznościowy, algorytm wykresu, bigdata

Nie jestem pewien, czy jest to właściwa platforma do zadawania tego pytania. Ale moim problemem jest: mam księgarnię i x nie klientów (x jest ogromny).

Klient może mi powiedzieć, czy książka jest dobra czy nieźle (niezalecane). Mam wewnętrzną logikę do łączenia książek w książki, więc jeśli klient mówi, że książka jest zła, mówi, że podobne książki też są złe i nie pokazują mu tego.

Zobowiązuję się i chowam te książki. Klienci mogą również wchodzić w interakcje między sobą i mieć między sobą poziom wzajemnego zaufania. Przypadek pojawia się, gdy klient A mówi, że książka X1 jest zła. Stąd czarna lista X1, X2, X3, X4 itd.

Ale jego przyjaciel B mówi, że X3 jest dobry. Więc teraz muszę pokazać X3 na A. Myślałem o zbudowaniu sieci społecznościowej wszystkich moich klientów w oparciu o ich interakcję i być w stanie obliczyć ich wzajemny poziom zaufania. Tak więc w powyższym senario, jeśli wzajemny poziom ufności jest bardzo wysoki, pokaże X3 na A, w przeciwnym razie nie pokażę X3 na A.

Chciałem zacząć się budowaćsieć społecznościowa i przypisanie wt. do ścieżki między 2 węzłami (moi klienci). Podaj mi kilka dobrych wskazówek, gdzie mogę zacząć. Wszelkie książki, strony internetowe itp.

Dzięki

Odpowiedzi:

Z wysokiego poziomu będziesz chciał spojrzeć na dziedziny uczenia maszynowego, eksploracji danych i eksploracji / analizy wykresów.

Jeśli chodzi o uczenie maszynowe i eksplorację danych, warto zajrzeć do wspólnego filtrowania - polecam ta książka. W tej dziedzinie jest dużo pracy, zauważ, jak strony internetowe, takie jak Amazon, mają funkcję, która pokazuje, jakie inne przedmioty zostały zakupione wraz z aktualnie oglądanym przedmiotem.

Jeśli chodzi o budowanie sieci społecznościowej, najpierw musisz dowiedzieć się, jakiego systemu baz danych chcesz użyć. Istnieją takie bazy danych grafów Neo4J i FlockDB zaprojektowane z myślą o wykresach. Zamiast tego możesz wybrać coś bardziej ogólnego, jak MySQL, zależy od tego, jak daleko chcesz się udać.

Gdy już to zrobisz, zdecydujesz, że chcesz wykorzystać dane „wykresu społecznościowego”, w którym pojawiają się pojęcia takie jak losowe spacery, struktura / wykrywanie społeczności i centralność. Tej serii wykładów, które Twitter dał w UC Berkeley, aby uzyskać lepszy pomysł wykorzystania danych społecznych.