TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA HỆ THỐNG THÔNG TIN BÁO CÁO ĐỒ ÁN MÔN HỌC MẠNG XÃ HỘI Đề tài BITCOIN OTC MỤC LỤC PHÂN CÔNG CÔNG VIỆC 2 NHẬN XÉT CỦA GIÁO VIÊN 5 LỜI CẢM ƠN 6 CHƯƠNG 1 TỔNG QUAN V[.]
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA HỆ THỐNG THÔNG TIN BÁO CÁO ĐỒ ÁN MÔN HỌC MẠNG XÃ HỘI Đề tài BITCOIN OTC MỤC LỤC PHÂN CÔNG CÔNG VIỆC NHẬN XÉT CỦA GIÁO VIÊN .5 LỜI CẢM ƠN .6 CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI .7 1.1 Lí chọn đề tài 1.2 Mô tả liệu .7 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT .9 2.1 Lý thuyết Nodes Edges 2.1.1 Thế Nodes Edges 2.1.2 Edges Direction 2.1.3 Edge Weight 10 2.2 Lý thuyết độ đo mạng xã hội 10 2.2.1 Độ đo Degree Centrality .10 2.1.2 Độ đo Betweenness Centrality 11 2.1.3 Độ đo Closeness Centrality 12 2.1.4 Độ đo Clustering Coefficient .13 2.3 Lý thuyết thuật toán dùng mạng xã hội 13 2.3.1 Cộng đồng 13 2.3.2 Một số thuật toán khám phá cộng đồng 14 2.3.2.1 Thuật toán Page Rank 14 2.3.2.2 Thuật toán Girvan Newman 14 CHƯƠNG 3: TIỀN XỬ LÝ DỮ LIỆU VÀ TRỰC QUAN HÓA DỮ LIỆU LÊN ĐỒ THỊ 16 3.1 Tiền xử lý liệu 16 3.2 Tạo mạng liên kết 16 3.3 Trực quan hóa mạng liên kết python 17 3.4 Visualize mạng Gephi 18 CHƯƠNG 4: PHÂN TÍCH, TRỰC QUAN HÓA CÁC ĐỘ ĐO TRONG MẠNG XÃ HỘI 19 4.1 Độ đo Degree Centrality 19 4.1.1 Độ đo Degree Centrality Python 19 4.1.2 Độ đo Degree Centrality visualize Gephi 28 4.1.3 Nhận xét 30 4.2 Độ đo Betweenness Centrality 31 4.2.1 Độ đo Betweeness Centrality Python 31 4.2.2 Độ đo Betweeness Centrality visualize Gephi 34 4.2.3 Nhận xét 35 4.3 Độ đo Closeness Centrality 35 4.3.1 Độ đo Closeness Centrality Python 35 4.3.2 Độ đo Closeness Centrality visualize Gephi 38 4.3.3 Nhận xét 38 4.4 Độ đo Clustering Coefficient 38 4.4.1 Độ đo Clustering Coefficient Python 38 4.4.2 Độ đo Clustering coefficient Gephi 42 4.4.3 Nhận xét 42 CHƯƠNG 5: PHÂN TÍCH, TRỰC QUAN HĨA CÁC THUẬT TOÁN SỬ DỤNG TRONG MẠNG XÃ HỘI 43 5.1 Thuật toán Page Rank 43 5.1.1 Phân tích, trực quan hóa biểu đồ liệu Python 43 5.1.2 Phân tích, trực quan hóa biểu đồ liệu Gephi .46 5.1.3 Nhân xét 46 5.2 Thuật toán Girvan Newman .47 5.2.1 Phân tích, trực quan hóa biểu Python liên kết theo Girvan NewMan 47 5.2.2 Nhận xét 48 TÀI LIỆU THAM KHẢO 50 NHẬN XÉT CỦA GIÁO VIÊN LỜI CẢM ƠN CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 Lí chọn đề tài Mạng lưới mà người giao dịch Bitcoin tảng gọi Bitcoin OTC Bitcoin OTC viết tắt từ “over the counter” nơi để giới siêu giàu mua bán Bitcoin tài sản tiền điện tử khác mà không làm tăng nghiêm trọng giảm giá, tối đa hóa sức mạnh giao dịch họ Đó thị trường mua bán không cần kê đơn mà giao dịch thông qua đồng Bitcoin Vì người dùng Bitcoin ẩn danh, nên cần phải trì hồ sơ uy tín người dùng để ngăn chặn giao dịch với người dùng gian lận rủi ro Các thành viên Bitcoin OTC đánh giá thành viên khác theo thang điểm từ -10 (hồn tồn khơng tin tưởng) đến 10 (cực kỳ tin tưởng) Hình Trang chủ tảng Bitcoin OTC 1.2 Mô tả liệu a) Nguồn liệu: Link Dataset: http://snap.stanford.edu/data/soc-sign-bitcoin-otc.html b) Mô tả liệu: − Dataset gồm 5881 nodes, 35592 cạnh với cột liệu Mỗi hàng đại diện cho người dùng đánh giá người dùng khác độ tin cậy tảng Bitcoin OTC − Thông tin chi tiết Dataset: Thuộc tính Ý nghĩa Source ID người dùng đánh giá Target ID người nhận đánh giá Rating Điểm đánh giá (có giá trị từ -10 đến 10) Time Thời gian ghi nhận đánh giá CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Lý thuyết Nodes Edges 2.1.1 Thế Nodes Edges - Một nút (node) hiểu là đại điện thực thể, actor việc tạo liên kết mạng - Cạnh (Edge): cạnh thể sư hiển diện kết nối mối quan hệ hai nút 2.1.2 Edges Direction Có hai loại cạnh: cạnh có hướng cạnh vô hướng Trước bạn xây dựng lên mạng bạn cần phải giải mã liệu bạn chứa loại cạnh xây dựng biểu đồ mạng + Các cạnh định hướng: áp dụng từ nút sang nút khác với nút bắt đầu nút kết thúc Ví dụ: Nếu khách hàng (nút bắt đầu) toán cho cửa hàng cà phê (nút kết thúc) cho ly cà phê, mối quan hệ khơng thiết phải đáp lại cửa hàng cà phê chưa trả tiền cho khách hàng + Các cạnh không định hướng: mối quan hệ đáp lại hai bên mà khơng có nút bắt đầu nút kết thúc rõ ràng Ví dụ: hai người bạn bè Facebook, mối quan hệ vơ hướng Đó nói Người A bạn với Người B, nói Người B bạn với Người A 2.1.3 Edge Weight Trọng số cạnh số lần cạnh xuất hai nút cụ thể Ví dụ: Người A mua ly cà phê từ quán cà phê lần, cạnh nối Người A quán cà phê có trọng số Tuy nhiên, Người B mua cà phê từ quán cà phê lần cạnh nối Người B quán cà phê có trọng số 2.2 Lý thuyết độ đo mạng xã hội Biện pháp trung tâm (Centrality Measures): Tính trung tâm tập hợp số sử dụng để xác định mức độ quan trọng ảnh hưởng nút cụ thể toàn trang Các biện pháp trung tâm sử dụng nút cụ thể mạng không cung cấp thông tin cấp độ mạng Ví dụ độ trung tâm đây: 2.2.1 Độ đo Degree Centrality Độ nút số cạnh mà nút có Số đo giúp ta đo số lượng mối quan hệ trực tiếp tác nhân với thành viên khác mạng xã hội CD(v) = deg (v ) n−1 Trong đó: n: là số đỉnh của đồ thị Deg(v): tổng số các liên kết trực tiếp đến đỉnh v (bậc của đỉnh). Ví dụ: nút A có cạnh nối với Nút B Nút D, độ nút A Tuy nhiên, mạng có định hướng, thực tế có ba thước đo mức độ khác Bởi cạnh có nút bắt đầu nút kết thúc, độ (số cạnh mà nút nút kết thúc), độ (số cạnh mà nút nút bắt đầu của) độ (số cạnh a nút nút bắt đầu nút kết thúc của) tính tốn 2.1.2 Độ đo Betweenness Centrality Betweenness Centrality: đo lường tầm quan trọng kết nối nút việc cho phép nút đến nút khác (trong bước nhảy) Khoảng nút số đường ngắn mà nút đưa vào chia cho tổng số đường ngắn Điều cung cấp tỷ lệ phần trăm đường dẫn ngắn mạng mà nút Số đo trung tâm trung gian xác nhận tác nhân mạng có thể có gắn kết với thành viên khác mạng xã hội (số đo bậc trung tâm thấp), không gần gũi với thành viên khác (số đo trung tâm lân cận thấp), lại cầu nối (bridge) hay nhà trung gian cần thiết trao đổi mạng CB (v) = ∑ s ≠ v ≠t ∈ V σ st (v) σ st Trong đó: 10 ... điểm từ -1 0 (hoàn tồn khơng tin tưởng) đến 10 (cực kỳ tin tưởng) Hình Trang chủ tảng Bitcoin OTC 1.2 Mơ tả liệu a) Nguồn liệu: Link Dataset: http://snap.stanford.edu/data/soc-sign-bitcoin-otc.html... Rating Điểm đánh giá (có giá trị từ -1 0 đến 10) Time Thời gian ghi nhận đánh giá CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Lý thuyết Nodes Edges 2.1.1 Thế Nodes Edges - Một nút (node) hiểu là đại điện thực... 2.1.1 Thế Nodes Edges - Một nút (node) hiểu là đại điện thực thể, actor việc tạo liên kết mạng - Cạnh (Edge): cạnh thể sư hiển diện kết nối mối quan hệ hai nút 2.1.2 Edges Direction Có hai loại