基于复杂网络的大众生产社区的演化机制研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (23): 1-5.

基于复杂网络的大众生产社区的演化机制研究

姚灿中1，杨建梅2

1.华南理工大学经济与贸易学院，广州 510006
2.华南理工大学工商管理学院，广州 510640

出版日期:2012-08-11 发布日期:2012-08-21

Study of evolutionary mechanism of peer production community based on complex network

YAO Canzhong1, YANG Jianmei2

1.School of Economics and Commerce, South China University of Technology, Guangzhou 510006, China
2.School of Business Administration, South China University of Technology, Guangzhou 510640, China

Online:2012-08-11 Published:2012-08-21

摘要/Abstract

摘要： 通过大众生产虚拟社区的度分布与动态演化机理分析，揭示了择优机制是大众生产虚拟社区的一个显著演化特征。基于Wiki票选管理员的行为网络构建大众生产虚拟社区合作网络；分析网络的出度分布与入度分布，分析结果显示虚拟社区合作网络的出度服从幂律分布，入度服从双段幂律分布，说明虚拟社区贡献者的选择行为具有较强异质性；采用复杂网络链路预测方法对网络的潜在连接进行排序，结果显示择优指标值在各项指标中得分较高，网络形成过程中择优机制起到重要作用。

关键词: 大众生产, 虚拟社区, 复杂网络, 幂律分布

Abstract: The paper reveals the preferred mechanism is a significant evolution characteristic of peer production virtual community by the analysis on static structure and dynamic evolution of virtual community. It builds the cooperation network of peer production virtual community based on Wiki voting administrators behaviors. It analyzes the in-degree and out-degree distribution. The result shows that the out-degree follows power law distribution and the in-degree follows two-stage power law distribution. It applies the link prediction method to sort the potential connection of the network, and it finds that PA index has higher scores than any other indices and the preferred mechanism plays an important role in the network formation process.

Key words: peer production, virtual community, complex network, power law distribution

姚灿中1，杨建梅2. 基于复杂网络的大众生产社区的演化机制研究[J]. 计算机工程与应用, 2012, 48(23): 1-5.

YAO Canzhong1, YANG Jianmei2. Study of evolutionary mechanism of peer production community based on complex network[J]. Computer Engineering and Applications, 2012, 48(23): 1-5.

[1]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[2]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[3]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.
[4]	卢开，周艳菊. 基于信息扩散视角的虚拟社区用户影响力研究[J]. 计算机工程与应用, 2021, 57(10): 65-74.
[5]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[6]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[7]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[8]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[9]	蔡菲，张鑫，牟晓慧，陈杰，蔡珣. 深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用, 2020, 56(15): 153-161.
[10]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[11]	张昕，郭阳. 复杂网络中的一种介度熵抗毁性度量方法[J]. 计算机工程与应用, 2020, 56(12): 105-111.
[12]	盛津芳，刘家广，王斌. 基于Katz自动编码器的城市路网链路预测模型[J]. 计算机工程与应用, 2019, 55(8): 116-123.
[13]	姚蓉1，杨雄1，杨鹏飞1，阴桂梅1，2，李海芳1. 精分EEG脑网络同步稳定性研究[J]. 计算机工程与应用, 2019, 55(5): 60-64.
[14]	陈紫扬，张月霞. 结合二层节点度和聚类系数的链路预测算法[J]. 计算机工程与应用, 2019, 55(23): 40-44.
[15]	张昕，严沛，郭阳，王慧慧. 基于k-shell的复杂网络最短路径近似算法[J]. 计算机工程与应用, 2019, 55(14): 54-60.