Community detection in complex networks
Karmaşık ağlarda komün tarama
- Tez No: 287360
- Danışmanlar: DR. VİNCENT LABATUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 149
Özet
Etkileşim halindeki nesneleri düğümler ve aralarındaki ilişkiyi de bağlantılar kullanarak modelleyen karmaşık ağlar geçtiğimiz on yılda çok ilgi çekmeye başladı. Birbirleriyle daha sıkı ilişki halinde olan grupları saptamayı kapsayan komün arama, karmaşık ağ analizinin önemli bir alt dalı olarak karşımıza çıkmakta. Araştırmacılar, algoritmalarını test etmek için, yapay olarak yaratılmış ağları kullanmaktadırlar. Bu çalışmada, bilgisayarla yaratılmış olan yapay ağların gerçeklik düzeylerinin, algoritmaların komün arama performansları üzerindeki etkilerini araştırdık. Öncelikle, Lancichinetti et al. model, şimdiye kadar sunulmuş en gerçekçi model, kullanılarak oluşturduğumuz ağların özelliklerini inceledik. Sonrasında, bu modelin gerçeklik düzeyini artırmak için bazı değişiklikler yaptık ve sonuçları topolojik olarak inceledik. Yaptığımız değişiklikler, belirgin biçimde gerçeklik düzeyini artırdı ve özellikle modelin kararlılığını güçlendirdi. Daha sonra, çeşitli kategorilerden seçilmiş on bir komün tarama algoritmasını hem orijinal hem değiştirilmiş modellerle yaratılan ağlar üzerinde test ettik. Performans analizi bize, algoritmaların karşılaştırmalı değerlerinin, gerçeklik düzeyinden çok fazla etkilenmediğini gösterdi, ancak tek tek algoritmalar incelendiğinde, belirgin değişiklikler oluştuğunu gördük. Özellikler, artan gerçeklik düzeyinin, tüm algoritmalarda performans düşüşü yarattığını yani, komün belirleme işlemini zorlaştırdığını gördük.
Özet (Çeviri)
Complex networks have become very popular since the last decade. They allow modeling a given system by representing its components and their relationships with nodes and links, respectively. One of the most prominent sub domains in complex network analysis is community detection, which consists in searching cohesive subgroups in complex networks. The researchers use the networks which are generated artificially in order to test their community detection algorithms. In this study, we search the effect of the realism level of those computer generated artificial networks on algorithms community detection performance. We first analyze the properties of generated networks with the model proposed by Lancichinetti et al., which is supposed to be the most realistic until now. We propose a modification to further improve the level of realism and study their consequences in terms of topology. Our modification improves significantly the level of realism and especially the robustness of the model. We then apply a representative panel of eleven community detection algorithms on generated networks with the original model and its modified versions. The analysis of performance shows that the relative value of algorithms is generally not affected by the level of realism, however significant differences emerge when considering individual algorithms. In particular, an increased level of realism makes the task of identifying communities clearly more difficult, causing a significant drop in performance for all algorithms.
Benzer Tezler
- Community detection in complex networks using local methods and information flow
Yerel yöntemler ve bilgi yayılımı kullanarak karmaşık ağlarda kümelenme tespiti
MÜRSEL TAŞGIN
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN HALUK BİNGÖL
- Çok amaçlı sosyal tabanlı metasezgisel optimizasyon algoritmaları ile sosyal ağlarda örtüşen topluluk keşfi
Overlapping community detection in social networks with multi objective social based metaheuristic optimization
FEYZA ALTUNBEY
Yüksek Lisans
Türkçe
2015
Mühendislik BilimleriFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİLAL ALATAŞ
- Community detection model using genetic algorithm in complex networks and its application in real-life networks
Genetik algoritma kullanarak karmaşık ağlarda alttopluluk bulma modeli ve bu modelin gerçek ağlarda uygulanması
MÜRSEL TAŞGIN
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. HALUK BİNGÖL
- Community detection using agents in complex networks
Yazılım ajanları kullanarak karmaşık ağlarda alttopluluk bulma
İSMAİL GÜNEŞ
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. HALUK BİNGÖL
- Karmaşık ağlardaki modül yapılarının ve anlamlı alt-ağların tespiti
Detection of module structures and significant sub-networks in complex networks
YILMAZ ATAY
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİFE KODAZ