标签: social-networking

是否可以将SVG用于Open Graph图像？

我尝试了它并没有与Facebook一起工作,但是我不确定它是否是我的SVG的问题或者通常是不可能的.

我是这样做的:

<meta content="http://www.example.com/mylogo.svg" property="og:image">

我正在尝试设计一个数据模型,表示一个用户是另一个用户的朋友.这是我到目前为止所提出的,但它似乎很笨重,有更好的解决方案吗？

User
=====
Id
Name
etc...

UserFriend
===========
UserId
FriendId
IsMutual
IsBlocked

看看Neo4j,320亿的关系限制令我担心(想象有4000万用户上传500张照片,有500个朋友,发表500评论等等,在你知道之前你已经超过320亿)..所以我有一些担忧和必须确保我在使用哪个数据库上做出最佳选择.

不是在寻找主观答案,也不是在这里辩论 - 即.哪一个更好等等-而是因为我打赌什么图形数据库是使用一个启动的未来,我需要知道的风险不同的数据库目前,如没有超过32billion关系Neo4j的.

现在,有几家公司将他们的图形数据库称为"领先的图形数据库"..但让我们看看过去的炒作 - 谁拥有最多的资金支持？哪个db享有大量的社区支持？哪一个拥有坚实的公司支持商业支持？

哪一个最有可能足够成熟所以如果你想,你可以轻松创建Facebook？

在技​​术特性或熟悉度上选择图形数据库很容易 - 但我正在寻找更多 - 我想确保公司的几年仍然存在.我想确保我不会选择基于炒作的Neo4j以及它目前(暂时？)的势头......

还有什么其他图表可以与Neo4gj竞争,以创建一个类似于Facebook的完整的社交网络(再次,不是寻找更好,只是寻找一个坚实的竞争对手).

请不要让这变成主观的Neo vs Dex辩论 - 只需要事实和实体答案..

我正在使用Django为Facebook开发一些应用程序!我已经开始首先在Django中构建应用程序并且它的形成非常好,现在我想知道如何才能使它成为Facebook应用程序.

我真的很感激使用Django制作的Facebook应用程序的真实世界示例.

什么是社交网站中的表格(例如:推特)....我现在有一个用户表...如何跟踪追随者和我关注的人...

• 我应该为追随者和我跟随的人保持单独的桌子......
• 这些表格中的列数是多少？

请不要认为这是主观/偏离主题...因为我是初学者,我认为专家可以指导我获得一个良好的数据库设计？

我正计划使用Ruby on Rails创建社交网络+ MP3讲座下载/浏览/评论/发现网站.部分是为了好玩,也是学习Ruby on Rails的一种方法.我正在寻找一个社交网络框架,我可以将其用作我网站的基础.我不想重新发明轮子.

在网上搜索我发现了三个这样的框架.您建议使用这三种中的哪一种？为什么？

http://portal.insoshi.com/

http://www.communityengine.org/

http://lovdbyless.com/

我正在为我们的网站构建一个活动流,并且已经取得了相当不错的进展.

它由两个表提供支持:

流:

• id - 唯一的流项目ID
• user_id - 创建流项目的用户的ID
• object_type - 对象类型(当前为'卖方'或'产品')
• object_id - 对象的内部ID(当前是卖家ID或产品ID)
• action_name - 针对对象采取的行动(目前是'买'或'心')
• stream_date - 创建操作的时间戳.
• hidden - 用户是否已选择隐藏项目的布尔值.

如下:

• id - 独特的关注ID
• user_id - 启动"关注"操作的用户的ID.
• following_user - 正在关注的用户的ID.
• followed - 执行跟随操作的时间戳.

目前我正在使用以下查询从数据库中提取内容:

查询:

SELECT stream.*,
   COUNT(stream.id) AS rows_in_group,
   GROUP_CONCAT(stream.id) AS in_collection
FROM stream
INNER JOIN follows ON stream.user_id = follows.following_user
WHERE follows.user_id = '1'
  AND stream.hidden = '0'
GROUP BY stream.user_id,
     stream.action_name,
     stream.object_type,
     date(stream.stream_date)
ORDER BY stream.stream_date DESC;

这个查询实际上运行得很好,并且使用一点点PHP来解析MySQL返回的数据我们可以创建一个很好的活动流,如果行为之间的时间不是太大,同一个用户被分组在一起的行为相同(见下面的例子).

我的问题是,我如何让这更聪明？目前,它通过一个轴"用户"活动进行分组,当特定用户在特定时间范围内有多个项目时,MySQL知道将它们分组.

我怎样才能使这个更智能,并按另一个轴分组,例如"object_id",所以如果同一个对象按顺序有多个动作,则这些项被分组,但保持我们当前用于按用户分组动作/对象的分组逻辑.并实现这一点,没有数据重复？

按顺序出现的多个对象的示例: …

我是一名研究生,他的研究是复杂的网络.我正在开发一个涉及分析Facebook用户之间联系的项目.是否可以根据友情信息为Facebook编写爬虫？

我环顾四周但到目前为止找不到任何有用的东西.Facebook似乎并不喜欢这种活动.我可以依赖Facebook API吗？

更新(2010年1月8日):非常感谢您的回复.我想我可能需要直接联系Facebook.干杯

更新(2011年2月16日):一本新书"挖掘社交网络"刚刚问世.在其中,有一章专门用于使用Python挖掘Facebook.干杯.

在题为" 度量相关性的缩放"及其对无标度网络中的扩散的影响的论文中,作者定义了$ E_b(k)$的数量来衡量度相关程度.

纸

LK Gallos,C.Song和HA Makse,度量相关性的比例及其对无标度网络扩散的影响,物理学.莱特牧师.100,248701(2008).

您可以阅读此链接后的文章或阅读相关的Google图书.

题

我的问题是如何使用Python计算网络的Eb(k)？我的问题是我无法重现作者的结果.我使用Condense Matter数据进行测试.Eb(k)的结果如上图所示.您可以看到我的图中的一个问题是Eb(k)远大于1!!我也尝试了互联网(作为级别数据)和WWW数据,问题仍然存在.毫无疑问,我的算法或代码存在严重问题.您可以重现我的结果,并将其与作者进行比较.您的解决方案或建议非常感谢.我将在下面介绍我的算法和python脚本.

我按照以下步骤操作:

1. 对于每条边,找到k = k和k'> 3k的边.这些边缘的概率表示为P(k,k')
2. 对于节点,要获得度数大于b*k的节点的比例,表示为p(k'),因此我们也可以得到k'*p(k')
3. 得到分子P1:p1 =\sum P(k,k')/ k'*P(k')
4. 得到分母p2:P2 =\sum P(k')
5. Eb(k)= p1/p2

Python脚本

python脚本如下:

%matplotlib inline
import networkx as nx
import matplotlib.cm as cm
import matplotlib.pyplot as plt
from collections import defaultdict

def ebks(g, b):
    edge_dict = defaultdict(lambda: defaultdict(int))
    degree_dict = defaultdict(int)
    edge_degree = [sorted(g.degree(e).values()) for e in g.edges()]
    for e in edge_degree:
        edge_dict[e[0]][e[-1]] +=1
    for i in g.degree().values(): …

社交网站可能会为用户,朋友和活动维护表格......

他们如何使用这些表以高效和可扩展的方式计算朋友事件？