Анализ правил ассоциации в наборе данных FOAF социальных сетей

Это немного шире, чем http://en.wikipedia.org/wiki/Association_rule_learning, но надеюсь полезно.

Некоторые более ранние работы FOAF, которые могут быть интересны (SVD/PCA и т.д.):

http://stderr.org/~elw/foaf/ http://www.scribd.com/doc/353326/The-Social-Semantics-of-LiveJournal-FOAF-Structure-and-Change-from-2004-to-2005 http://datamining.sztaki.hu/files/snakdd.pdf

Также глава 4 https://rads.stackoverflow.com/amzn/click/com/1584888326 посвящен применению методов матричной декомпозиции к графовым структурам данных; настоятельно рекомендуется.

Наконец, Apache Mahout — это естественный выбор для крупномасштабного интеллектуального анализа данных, машинного обучения и т. д. ://cwiki.apache.org/MAHOUT/diversity-reduction.html

Что ж, наиболее широко используемыми реализациями оригинального алгоритма Association Rules (первоначально разработанного в исследовательском центре IBM Almaden) являются Apriori и Eclat, в частности реализации C Кристианом Боргельтом.

(Краткое изложение для тех, кто не знаком с Правилами ассоциации (также известными как «Наборы часто встречающихся товаров» или «Анализ рыночной корзины»). Прототипом применения правил ассоциации является анализ потребительских транзакций, например данных супермаркета: среди покупателей, которые покупают польскую колбасу, какой процент из них тоже покупают черный хлеб?)

Я бы порекомендовал статистическую платформу R. Это бесплатно и с открытым исходным кодом, а его репозиторий пакетов содержит ( по крайней мере) четыре библиотеки, предназначенные исключительно для правил ассоциации, все с отличной документацией - три из четырех пакетов включают руководство и отдельную виньетку (неофициальный прозаический документ с примерами кода). И руководства, и виньетки содержат множество примеров в коде R.

Я использовал три из четырех пакетов, приведенных ниже, и я очень рекомендую эти три. Среди них крепления для Eclat и Apriori. Эти библиотеки распространяются как пакеты R, которые доступны в CRAN, основном репозитории пакетов R. Базовая установка и настройка R тривиальны — есть двоичные файлы для Mac, Linux и Windows, доступные по ссылке выше. Точно так же установка/интеграция пакетов настолько проста, насколько вы ожидаете от интегрированной платформы (хотя не каждый из четырех пакетов, перечисленных ниже, имеет двоичные файлы для каждой ОС).

Таким образом, в CRAN вы найдете эти пакеты, все из которых направлены исключительно на правила ассоциации:

• правила

• arulesNBMiner

• arulesSequences

• arulesViz

Этот набор из четырех пакетов R состоит из привязок R для четырех различных реализаций правил связывания, а также библиотеки визуализации.

Первый пакет, arules, включает привязки R для Eclat и Apriori. Второй, arulesNBMiner, представляет собой привязку к алгоритму правил ассоциации Майкла Хаслера NB-частые наборы элементов с помощью . Третий, arules Sequences, — это привязки для cSPADE Мохаммеда Заки.

Последний из них особенно полезен, поскольку представляет собой библиотеку визуализации для построения выходных данных любого из трех предыдущих пакетов. Я подозреваю, что для изучения вашей социальной сети вы найдете визуализацию графа, то есть явную визуализацию узлов (пользователей в наборе данных) и ребер (связей между ними).

Если вам нужен код Java, вы можете найти программное обеспечение SPMF на моем веб-сайте. Он предоставляет исходный код для более чем 45 алгоритмов для частого анализа наборов элементов, анализа ассоциаций, последовательного анализа шаблонов и т. д.

Более того, он не только предоставляет самые популярные алгоритмы. Он также предлагает множество вариантов, таких как наборы редких элементов, наборы элементов с высокой полезностью, наборы неопределенных элементов, правила неизбыточной ассоциации, правила закрытой ассоциации, правила косвенной ассоциации, правила ассоциации top-k и многое другое...