Archive for the ‘social networking’ Category

geolokalizacja grupuje ‚the Graph’

2012.05.11

http://livehoods.org

Nowy sposób grupowania (Social) Grafu i badania dynamiki sieci (społecznej) na podstawie check-ins (głównie z foursquare). Choć tu check-ins są zanonimizowane, to fajne, jeśli mógłbym zobaczyć do których livehoods należę, poza tymi oczywistymi jak praca i dom. Czy to już byłby wystarczający bonus za to że Wielki Brat mnie (w sensie was, ‚paranoików’ ;P ) śledzi? Przepraszam, ale nie byłbym sobą 🙂

Reklamy

Google promuje własny Graf – to nieetyczne?

2012.01.26

http://www.focusontheuser.org/

no, OK, to nie w porządku czy raczej Google Search mógłby działać lepiej (jak po użyciu tej skryptozakładki), ale:

  1. Google jest już tak ogromne, że (choć Larry stara się z tym walczyć) trudno oczekiwać, że będzie „spójne” – wszystkie zespoły=produkty będą idealnie współdziałać od razu
  2. Wcześniej Social Search działał w oparciu o Twittera i inne grafy (FaceBook?), ale w końcu odcięły one Googla (stąd geneza G+), a może gdyby nie to, to wyniki wyszukiwania byłyby jeszcze lepsze niż teraz ze skryptozakładką?
  3. W tej chwili Google promuje G+: nagłówek po prawej „mówi”: People and Pages on Google+, a zakładka zmienia go na People and Pages from the Social Web – dzięki tej promocji G+dostanie tyle Google Juice, że za miesiąc (może trochę dłużej) kliknięcie w zakładkę niewiele zmieni (G+ pages będą wyżej niż profile Twittera) – czy to dobrze? z jednej strony zrozumiałe jest, że Twitter nie chce oddać władzy (dać się przeszukać) bo to jego biznes – jeszcze bardziej to zrozumiałe w przypadku FB, ale z drugiej takie chowanie informacji działa na niekorzyść użytkowników… na pewno skorzystamy, gdy Web search w pełni wykorzysta nasz (NASZ!) graf, a skoro Google ma search i nikt nie chce udostępnić swojego (naszego!) grafu, to pewnie będzie to musiał być Google’owy social graph, czyli G+

 

FaceBook’owy graf podobno jest wykorzystywany przez Bing, ale chyba słabo to działa

Statistics Show Social Media Is Bigger Than You Think « Socialnomics – Social Media Blog

2009.10.13

Statistics Show Social Media Is Bigger Than You Think « Socialnomics – Social Media Blog

nie tak dobre jak krótka historia The Web, ale daje radę 🙂

John Kleinberg: „Challenges in Mining Social Network Data: Processes, Privacy and Paradoxes”

2008.05.12

ePresenceTV – Challenges in Mining Social Network Data: Processes, Privacy and Paradoxes

slide#12: LiveJournal is much smaller than Facebook, but it’s a blogging site – it’s completely open. It wants to be crawled, it wants to be indexed. It becomes a model system.

slide #13: Would I join a service when I have 3 friends using it, which are connected or which are independent? Would I believe info from 3 independent persons or connected?

slide #20: Music Lab: 8 parallel instances of a music download site with feedback (rank, recommendations) -> in each instance songs at the top (download, rate) varied.

slide #24: To hack an anonymized network (just nodes & edges) attacker can add some nodes (create some accounts) and edges (send messages) before the network is anonymized and afterwards geo-locate his nodes… and others… aim of the attack: privacy breach

slide #29: added (by attacker) nodes create random graph (with edge probability 1/2) H which is unique in small worlds (easy to locate)

slide #30: after locating H -> locate target nodes the attacker linked to earlier

slide #31: if unplanned, you + 6 random friends can carry out an attack (without need of adding spam nodes before anonymization) -> you can comprise ~10 users

„matchmaker matchmaker make me a match”

2008.05.05

„[…] so the blue balloons are men and the pink balloons are women… and the darker balloons are older people and the lighter balloons are younger people […]”

and it’s… online dating clustering?

p.s. „[…] intelligence is the no1 turn on for people over all […]” 🙂

Many Eyes: Social networks and more

2008.01.24

Many Eyes: Social networks and more

just had a glance @ meta-social part of the Many Eyes… great thing… a new era for spreadsheet diagrams…

Talk Digger i Grazr

2007.06.26

jeden to serwis do śledzenia i włączania się w inter-site’owe konwersacje, np. wokół tego bloga, a drugi to host webfeed’ów, ale z bardzo ładnym Web2.0’owym explorerem (którego widget można zobaczyć na mojej zakładowej)

SIOC

2007.06.26

w końcu prowadzenie bloga przyniosło bezpośrednie korzyści… z komentarza do mojego posta na FF-add-on Semantic Radar i stamtąd do SIOC (ale mają dobry marketing)… równolegle dotarłem do Ping the Semantic Web.com, gdzie okazało się, że obok FOAF i SIOC, jeszcze jeden RDF’owy format zapisu semantyki kolekcjonowany: DOAP (do opisu projektów OpenSource)…

rozpoznam o co chodzi i napiszę szerzej…

reputacja MAS ;)

2007.04.19

Extracting reputation in multi agent systems by means of social network topology
JM Pujol, R Sangüesa, J Delgado – Proceedings of the first international joint conference on …, 2002 – portal.acm.org

  • wyznaczenie reputacji user‚ów, bez potrzeby feedback‚u (MAS)
  • sieć społeczna jako graf skierowany (nieskierowanie poprzez sumę krawędzi obie strony) wyciągnięta z MAS’owego systemu Collaboratory (projekt rozszerzony do badań na ludzi z Politechniki Katalońskiej i losowo wybrane 34)
  • wagi krawędzi to wspólne linki, e-mail’e i resoures na stronach domowych
  • NodeRanking: na początku wszyscy mają jednakowe degree of authority i algorytm wnioskuje reputację na podstawie autorytetu węzła i węzłów na niego wskazujących
  • algorytm jest asynchroniczny (działa lokalnie – nie musi znać całego grafu), ale kolejne jego iteracje są zbieżne (jeśli converge() nie przekracza progu, to węzeł jest stationary, gdy wszystkie są stationary algorytm się kończy – ale nie sprawdza wszystkich, bo węzły same się testują)
  • wzorem jest CiteSeer rank, a testowane są jeszcze PageRank i HITS (przez correlation)
  • ponieważ graf jest small world (daleki od pełnego), żeby uniknąć rank sink problem (ślepe ścieżki), stosuje się jumping probability 0.5414 (czyli pomijanie węzłów)
  • NodeRanking wypadł najlepiej, ale gdyby PageRank też miał Pr_jump > 1/2 (zwykla ma 0,15) to wyniki były by podobne – więc jedyna zaleta, że NR działa lokalnie, a PR globalnie

foaf z 3 stron

2007.04.05

Analyzing Social Networks on the Semantic Web
L Ding, T Finin, A Joshi – IEEE Intelligent Systems (Trends & Controversies), 2004 – ebiquity.umbc.edu

  • problemy do rozwiązania, aby korzystać z SN on the SW:
    • Knowledge representation – zdecentralizowane ontologie
    • Knowledge management – geste połączenia na poziomie grafu RDF, rzadkie na poziomie dokumentów RDF
    • Social network extraction, integration and analysis – zaszumiona i niepełna wiedzia, problemy z łączeniem (fuse) i wiarygodnością info
    • Provenance and trust aware distributed inference – jak zmniejszyć złożoność rozproszonego wnioskowania?
  • dataset’y:
    • DS-SWOOGLE: 225k valid SWD’ów z 37M rdf’owych trójek (odfiltrowane tylko 10k z jednego site’a)
    • DS-FOAF – ale ponieważ 95% URLi (z 1800 witryn) to „wielkie blogsite’y”, więc rozważany DS-FOAF-VAR tylko z URLami z site’ów o <1k FOAFD (czyli z 1065 witryn): 37k instancji foaf:Person i 4k ‚strict’ FOAFD (1-osobowy)
  • foaf:Person pojawia się w 17 ontologiach (wg SWOOGLE)
  • na foaf:Person można spojrzeć jako na:
    1. definicję ontologiczną w stosunku do jej nad-, pod-klas
    2. jej properties (np. foaf:mbox, foaf:name), które używają jej jako domeny (rdfs:domain)
    3. empiryczną właśność, którą posiadają instancje
  • podsumowując autorzy chcieliby połączyć (nałożyć na siebie):
    • sieć FOAF
    • systemy reputacji (np. PageRank)
    • sieć zaufania
    • indeksy współautorstwa (DBLP)