【文件属性】：
文件名称：matlab代码影响-Digital_Media_Coursework:Digital_Media_Coursework
文件大小：33.11MB
文件格式：ZIP
更新时间：2021-05-22 09:53:51
系统开源
matlab代码影响Digital_Media_Coursework
可交付成果2扩展：除了为所选数据集选择的网络分析（初始可交付成果2）之外，还需要进行以下指定的额外分析。
以下工作应补充报告的文献复习/结果部分。
该部分应有一个小标题，以清楚地将其与原始工作区分开。
这项工作应占用您报告的2-4页。
引文复习/背景：在您的文献/背景部分中，简要概述以下内容之一：
我们如何生成随机网络。
为什么我们将事物与随机网络进行比较？
稳健性方法。
如何研究网络的健壮性？
PageRank及其在网络分析中的应用。
级联以及网络结构如何影响信息流。
工作：对于下面的任务1至3，根据您的数据集统计信息，将您的网络与3个生成的随机网络（Erdos-Renyi或任何其他网络）进行比较，即您将需要保持相同数量的节点和边（或非常接近）到）作为原始数据集。
在回答/进行以下分析时，您应该在数据集和3个生成的网络上执行任务（显示的结果应为这3个网络中看到的平均值）。
●任务1.路径长度和聚类系数之间有什么区别？
●任务2。哪个更强大？
为此，您应根据连接强度（弱/强）或其他度量（边缘权重）删除边缘，或删除节点
【文件预览】：
Digital_Media_Coursework-master
----louvainAD_f.ipynb(9.01MB)
----Literary_review()
--------Structure and tie strength in mobile communications network.pdf(2.13MB)
--------Robustness of Social Networks.pdf(351KB)
--------Measurement and analysis of online social networks.pdf(736KB)
--------Piecing together the puzzle.pdf(2.88MB)
--------Random Networks by Barabasi.pdf(7.09MB)
----taskI&IIIupdate.docx(373KB)
----README.md(8KB)
----TheoryFor Report.docx(105KB)
----Random Networks_Lit_Review.doc(337KB)
----Report 2.0.docx(1.63MB)
----Epidemics.ipynb(192KB)
----CC.ipynb(3.54MB)
----Glastonbury()
--------100_glastonbury()
----Network_Robustness()
--------Robustness of twitter data of 2013 Glastonbury music festival.doc(116KB)
--------Robustness_Glastonbury_Random.xlsx(12KB)
----Community_Detection()
--------DM_SN_CW_Comm_Detection_Final_AD.ipynb(5.81MB)
--------DM_SN_CW_Comm_Detection_Final_BL.ipynb(1.59MB)
--------DM_SN_CW_Comm_Detection_Final_EX.ipynb(3.34MB)
----All_Gephi_CSV()
--------glastonbury_nw_anlaysis_random_.05.csv(435KB)
--------glastonbury_nw_anlaysis.csv(425KB)
--------glastonbury_nw_anlaysis_random_.03.csv(431KB)
--------glastonbury_nw_anlaysis_.04.csv(352KB)
----Louvain method.docx(2.66MB)
----Sentiment_Analysis()
--------Glastonbury_SA_improved.ipynb(18KB)
--------_config.yml(26B)
--------lstm.py(2KB)
--------Sentiment_analysis_AD_20.csv(3.24MB)
--------preprocessing.py(3KB)
--------ml_tfidf.py(1KB)
--------Dataset analysis.ipynb(256KB)
--------Sentiment_analysis_AD_20.xls(4.82MB)
--------glaston_AD_nodes.csv(69KB)
--------glaston_AD_edges.csv(379KB)
--------Sentiment Analysis.doc(149KB)
--------requirements.txt(1KB)
--------data()
--------train-test-split.py(2KB)