Geri Dön

Sosyal ağ analizi için bayes ağlarının kullanımı

The use of bayesian network for social network analysis

  1. Tez No: 315917
  2. Yazar: BETÜL AKKOÇ
  3. Danışmanlar: PROF. DR. AHMET ARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

İnanç ağları olarak da bilinen bayes ağları belirsizlik hakkında bilgi sunmak için kullanılır. Sosyal ağlar kişilerin sosyal ilişkilerine göre birbirlerine bağlandığı yapılardır. Bu yapıda kişiler düğüm, ilişkiler bağlantı olarak ifade edilir.Tez çalışmasında kişilerin etkinliklere katılım verileri kullanılarak sosyal ağ analizi için bayes ağı kurulmuştur. Bayes ağı ile bireyler arasındaki etkileşim modellenmiştir. K2, bayes ağlarının eğitimi için kullanılan bir algoritmadır. Tezde K2 algoritması kullanılarak ağ yapısı oluşturulmuştur. K2 algoritmasının performansı ağı oluşturan düğümlerin sırasına bağlıdır. Doğru bir ağ yapısı için bir düğümünün ebeveyninin kendinden önceki sırada verilmiş olması gerekmektedir. K2 algoritması için düğümlerin sırasının belirlenmesi amacıyla bir yöntem önerilmiştir. Ayrıca sıralamayı bulmak için genetik algoritma kullanılmıştır. Düğümler rassal, genetik algoritma ve önerilen yöntem kullanılarak sıralanmıştır. Her bir sıralama K2 algoritmasına girdi olarak verilmiş ve her biri için otomatik olarak ağ yapıları oluşturulmuştur. Bulunan ağ yapılarının skorları karşılaştırılmıştır. Önerilen yöntemin bulduğu sıralama genetik algoritmanın başlangıç popülasyonuna eklenerek hibrit bir yöntem ile sonuçlar iyileştirilmiştir.Bayes ağı kurulduktan sonra, bayes ağı üzerinden sosyal ağ analizi yapılmıştır. Ağ içindeki bir bireyin bir etkinliğe katılma olasılığı başka bireylerin aynı etkinliğe katılma durumlarına göre analiz edilmiş ve analiz sonuçları sunulmuştur.

Özet (Çeviri)

Bayesian networks that also known as belief networks are used to provide information about the uncertainty. Social networks are structures that connected to each other according to people social relations. In this structure, people are expressed as the nodes, and relationships are expressed as connections.In the thesis, bayesian network is established for social network analysis using data of person?s participation in activities. Interaction of between people is modelled with bayesian network. K2 is an algorithm used for the training of Bayesian networks. In this thesis, the network structure has been created using K2 algorithm. The performance of K2 algorithm depends on the order of the nodes. The parent of node must be given earlier than node in ranking for a right network structure. A method is proposed in order to determine the order of the nodes for K2 algorithm. Also, genetic algorithm is used to find ranking. Nodes are ordered random, using genetic algorithm and proposed method. All orders are given as input to K2 algorithm, then network structures are automatically formed for each of them. Scores of founded network structures are compared. Results are improved with a hybrid method that is obtained by ranking of proposed method addition to initial population of genetic algorithm.After bayesian network has been established, social network analysis is done through bayesian network. Possibility of participate in an activity of an individual within the network has been analyzed according to situations of the other individuals that are participated in same activity, and the results of analyze have been presented.

Benzer Tezler

  1. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Ayırma analizine matematiksel programlama ve yapay sinir ağları yaklaşımları

    Mathematical programming and artificial neural network approaches to discriminant analysis

    HACI HASAN ÖRKCÜ

    Doktora

    Türkçe

    Türkçe

    2009

    İstatistikGazi Üniversitesi

    İstatistik Bölümü

    PROF. DR. HASAN BAL

  3. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  4. Tedarik zinciri yönetiminde bilgi sistemleri: Havacılık yer hizmetlerinde uçuş zamanlaması için bilgi paylaşım modeli

    Knowledge system utilisation in supply chain management: A model for knowledge sharing in aviation land services

    MEHMET YÖRÜKOĞLU

    Doktora

    Türkçe

    Türkçe

    2013

    Endüstri ve Endüstri MühendisliğiHava Harp Okulu Komutanlığı

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. SAMİ ERCAN

    DOÇ. DR. GÜLGÜN KAYAKUTLU

  5. Kampüs bilgisayar ağlarında meydana gelen sorunların otomatik tespit edilmesi

    Automatic network problem detection occurring in the campus computer network

    İLHAN FIRAT KILINÇER

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYHAN AKBAL