Spacer po Facebooku: Równomierne próbkowanie użytkowników w sieciach społecznościowych online
Sieci społecznościowe gromadzą ogromne ilości danych. Często potrzebne są małe próbki tych danych, aby je zbadać. Większość metod nie potrafi wybierać użytkowników w sposób sprawiedliwy. Zbyt często wybierają popularnych użytkowników.
Niniejszy artykuł przedstawia metodę równomiernego próbkowania. Pomaga ona wybierać użytkowników z sieci społecznościowej bez stronniczości.
Kluczowe punkty badania:
- Standardowe metody próbkowania faworyzują węzły o wysokim stopniu.
- Stronniczość prowadzi do błędnych wniosków na temat zachowania sieci.
- To nowe podejście zapewnia, że każdy użytkownik ma równe szanse na zostanie wybranym.
- Działa ono na grafach wielkoskalowych, takich jak Facebook.
Aby budować lepsze algorytmy, potrzebne są dane wolne od stronniczości. Ta metoda rozwiązuje kluczowy problem w nauce o sieciach.
Źródło: https://dev.to/paperium/a-walk-in-facebook-uniform-sampling-of-users-in-online-social-networks-463m
Opcjonalna społeczność edukacyjna: https://t.me/GyaanSetuAi