Collegamento di rilevamento anomalie nella rete temporale


32

Mi sono imbattuto in questo documento che utilizza il rilevamento delle anomalie dei collegamenti per prevedere argomenti di tendenza e l'ho trovato incredibilmente intrigante: il documento è "Scoprire gli argomenti emergenti nei flussi sociali tramite il rilevamento delle anomalie dei collegamenti" .

Mi piacerebbe replicarlo su un set di dati diverso, ma non ho abbastanza familiarità con i metodi per sapere come usarli. Diciamo che ho una serie di istantanee di rete di nodi per un periodo di sei mesi. I nodi hanno una distribuzione dei gradi dalla coda lunga, con la maggior parte che ha solo poche connessioni, ma alcune ne hanno moltissime. Nuovi nodi appaiono in questo periodo di tempo.

Come potrei implementare calcoli della massima verosimiglianza normalizzati scontati sequenzialmente utilizzati nel documento per rilevare collegamenti anomali che penso possano essere precursori di uno scoppio? Ci sono altri metodi che sarebbero più appropriati?

Chiedo sia teoricamente che praticamente. Se qualcuno potesse indicarmi un modo per implementarlo in Python o R, sarebbe molto utile.

Chiunque? So che gente intelligente là fuori ha qualche pensiero iniziale per una risposta,


1
Se non ti dispiace rilassare la preferenza R / python, questo mio lavoro può essere d'aiuto? goo.gl/l7SLlB Alcuni dei vantaggi di questo metodo sono che non devi preoccuparti di tipi di funzionalità, normalizzazioni e altro.
arielf

1
A meno che non fraintenda la domanda, dovresti essere in grado di implementare il metodo dall'articolo nello stesso modo in cui gli autori dell'articolo hanno implementato il metodo. Se il metodo non è riproducibile dall'articolo, è necessario contattare gli autori. Gli autori potrebbero anche essere disposti a fornire il loro codice. Se hai domande teoriche specifiche o domande di programmazione, dovrebbero essere poste separatamente.
Nat

Risposte:


0

Dovresti prima trovare la tua definizione di punteggio di anomalia per un nuovo nodo (vedi sezione 3.1, 3.2). Fortunatamente, la corrispondenza tra un nuovo post (nel loro caso) e un nuovo nodo (nel tuo caso) è quasi uno a uno, poiché siamo interessati solo all'insieme di nodi (utenti) che il nodo (post) è in relazione a.

γ

Chiedere inoltre, se si riscontrano difficoltà a seguire i passaggi descritti nella sottosezione 3.4., Dove viene applicato SDNML.

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.