Комментарии 9
Интересно, слышали ли ученые мужи из Гарварда о точках бифуркации.
m7d7o7: у вас поверхностное понимание теории диффузий инноваций, кривая Роджерса имеет очень много истолкований, то что вы написали про неё — это самое поверхностное понимание. Как пример эта кривая утверждает, что подавляющее большинство общества не готово работать над своими идеями полностью бескорыстно хотя бы на первых порах (таковых не более 2, 5 процентов в среднем) — это и есть таки называемые инноваторы, фаза 1. Судя по тому что вы таки хотите создать какой-то стартап, скорее сего вы входите в эти 2, 5 процентов.
Действительно, в тексте ТДИ указана лишь поверхностно, но и не о ней одной я писал статью.
Такого поверхностного описания достаточно для понимания общей концепции, которую я хотел донести, если же кто-то заинтересуется сильнее, то там есть линк на википедию.
А количество социальных связей не подчиняется нормальному распределению (или похожему)? Если есть только «активные» и «пассивные» участники, то будет первая волна, по которой можно предсказывать вторую. А если в системе есть участники с любой активностью, то нельзя будет выделить какие-то волны — всё сольется в кучу. Да, будет какой-то размазанный пик, но не «волна».

Но вообще — да, как-то это можно применять. Если на Лепре уже банят за Gangnam Style, то через год будут банить и во Вконтакте.
В социальных сетях распределение степеней в большинстве случаев подчиняется степенному закону ("Power Law")
Я наверно не уловил сути послания, потому что в голову приходят банальные фокус-группы.
Интересно, но я честно не пойму в чем гениальность того, что при большем количестве источников информации я, например, узнаю о чем-то раньше большинства, до которого она распространится чуть позже? Я всего-то немного ближе к эпицентру.
К тому же, как правило, трудно предугадать какие мелкие флуктуации вызовут то или иное событие, а пытаться что-то сделать с уже известной информацией, разница доступности которой, между отдельными связями, в текущих реалиях не так уж велика — чрезвычайно трудоемко.
Комментарий к первой картинке: 73.5% статистических данных берутся с потолка.
Статья немного сумбурная, посоветую пройти хороший курс Мичиганского университета по анализу соц. сетей, class.coursera.org/sna-2012-001/lecture/index, вот он на ютубе, сказали что уже закрыт доступ (https://www.youtube.com/results?q=1+1+1A+why+detect+communities&oe=utf-8&aq=t&rls=org.mozilla:ru:official&client=firefox-a&um=1&ie=UTF-8&gl=RU&sa=N&tab=w1 и сбоку по номерам 1 1 1A, 1 2 1B и т.д. двигайтесь )
habrahabr.ru/post/164307/ вот моя статья в тему.

Вообще же существует несколько разных моделей, Барабаши одна из первых, потом было развитие, Клейнберг, Ньюмен и др, исследовали сети с преимущественным присоединением («богатые становятся богаче»), Милгрэм (6 рукопожатий, уже 5.5 кстати). К тому же есть еще bypartite графы, они вообще плохо изучены, т.к. сложные расчеты метрик у них.

Этический вопрос никого не волнует — пока что плохо разработана семантическая модель оценки позитива\негатива — поэтому отслеживается вручную.

Я это все пишу к тому, что не понял чем вы хотите в стартапе заниматься, теоретической подкованности не видно сильно и конкретики мало.
Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.