有關分析巨量社群網路資料之敘述，下列何者有誤？
A連結預測(Link Prediction) 之技術可用來推薦朋友
B使用者的朋友個數之分配通常遵從冪次法則(Power-law distribution)
C在計算資源有限時，我們通常對社群網路中的節點進行簡單隨機抽樣，以抽取出具有結構代表性的社群網路子圖(subgraph)正確答案
D社群網路中任兩位使用者的距離可能隨時間而增減
答案與詳解
逐選項解析
A連結預測(Link Prediction) 之技術可用來推薦朋友連結預測應用✕ 錯誤
連結預測（Link Prediction）透過分析現有連結模式預測未來可能產生的連結，Facebook「你可能認識的人」即為典型應用，敘述正確。
B使用者的朋友個數之分配通常遵從冪次法則(Power-law distribution)冪次法則度數分布✕ 錯誤
社群網路中朋友個數（度數）的分配呈冪次法則（Power-law），少數超級節點（hub）擁有極多連結，多數使用者連結極少，此為真實網路的普遍規律，敘述正確。
C在計算資源有限時，我們通常對社群網路中的節點進行簡單隨機抽樣，以抽取出具有結構代表性的社群網路子圖(subgraph)✓ 正確
D社群網路中任兩位使用者的距離可能隨時間而增減✕ 錯誤
立即註冊,看完整詳解
這題的完整詳解,註冊就能看 · 每天 2 題免費
- 完整逐選項解析
- 秒殺解題技巧與破題關鍵
- 關鍵知識表整理
- 陷阱與易錯提醒
- 同考點歷屆題庫連續刷題與錯題本
立即註冊觀看完整詳解 已有帳號?登入
