Karmaşık ağlarda bağlantı ve ağırlıkların birlikte tahmin edilmesi: Bilim insanlarının atıf sayısının tahmini
Predicting of links and weights together in complex networks: Prediction of citation count of scientists
- Tez No: 509560
- Danışmanlar: PROF. DR. MEHMET KAYA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Birçok farklı alanda, özellikle de internet ortamındaki sosyal ağlarda, varlıklar arasındaki ilişkiler oldukça karmaşık ağlar oluşturur. Son zamanlarda karmaşık ağlarda ağ analizi ve veri madenciliği araştırmacıların ilgisini çekmiştir. Karmaşık ağlarda bağlantı tahmini de oldukça ilgi gören araştırma konularından biridir. Bu çalışmada karmaşık ağlarda bağlantı tahmini için iki yöntem önerilmiştir. Birinci yöntemin amacı bilim insanlarının atıf sayısını tahmin etmektir. Önerilen yöntemde bilim insanlarının atıf sayısı tahmini problemi, atıf ağlarında bağlantı tahmini problemi olarak formülleştirilmiştir. Atıf ağlarının zaman içindeki evrimi boyunca artan/azalan eğilimlerin dikkate alındığı zamansal bir bağlantı tahmini ölçütü önerilmiştir. Önerilen bağlantı tahmini ölçütü yönlü, ağırlıklı ve zamansal ağlarda bağlantıların ağırlıklarıyla beraber tahmin edildiği ilk çalışmadır. Atıf ağlarında yapılan test sonuçları önerilen yöntemin atıf sayısı tahmini için doğruluğunu gösterir. Önerilen bağlantı tahmini ölçütü ayrıca klasik bağlantı tahmini ölçütüyle de karşılaştırılmış ve önerilen ölçütün etkili bir bağlantı tahmini ölçütü test sonuçlarında görülmüştür. İkinci yöntemin amacı yönlü ağlarda bağlantıların yön bilgisinin bağlantı oluşumundaki rolü dikkate alınarak komşuluk tabanlı bağlantı tahmini ölçütlerinin doğruluğunu artırmaktır. Literatürdeki bağlantı tahmini ölçütlerinin çoğunda bağlantıların yön bilgisinin bağlantı oluşumundaki rolü dikkate alınmamıştır. Bunun için bu çalışmada klasik komşuluk tabanlı bağlantı tahmini ölçütlerinin yönlü ağ motifleri kullanılarak hesaplandığı genel bir yöntem önerilmiştir. Yönlü ağlarda yapılan test sonuçları önerilen yöntemin komşuluk tabanlı bağlantı tahmini ölçütlerinin doğruluğunu dikkate değer bir şekilde artırdığını göstermiştir.
Özet (Çeviri)
Interactions and collaborations between entities in many different areas, especially social networks in the Internet, create more complex networks. In recent times, network analysis and data mining in complex networks have attracted the attention of researchers. Link prediction in complex networks is also one of the most interesting research topics. In this study, two methods were proposed for link prediction in complex networks. The aim of the first method is to predict citation count of scientists. In the proposed method, predicting citation count of scientists problem has been formulated as a link prediction problem in citation networks. A temporal link prediction metric has been proposed that takes into account upward/downward trends throughout the evolution of citation networks over time. The proposed link prediction approach is the first study that predicts links with its weights in the directed, weighted, and temporal networks. The experimental results on citation networks show the accuracy of the proposed method to predict citation count of scientists. The proposed link prediction metric was also compared with the classical link prediction metric, and it has been shown that the proposed measure is an effective link prediction metric in the test results. The aim of the second method is to increase the accuracy of neighborhood-based link prediction metrics by considering the role of link direction information in link formation in the directed networks. The role of link direction information in link formation has not been considered in the majority of link prediction metrics in the literature. For this purpose, in this study, a general method is proposed in which the classical neighborhood based link prediction metrics are calculated by using on directional network motifs. Test results on directed networks have shown that the proposed method considerably improves the accuracy of neighborhood-based link prediction metrics.
Benzer Tezler
- Karmaşık ağlarda düğüm ağırlıklı bağlantı tahmin yöntemlerinin geliştirilmesi
Development of node weighted link prediction methods in complex networks
EMRAH ÖZKAYNAK
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ FINDIK
- Korteks davranışının vuru üreten hücre modeli ile incelenmesi
Analysis of cortex behavior by a spiking neuron model
YUSUF KUYUMCU
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. NESLİHAN SERAP ŞENGÖR
- Stochastic bitstream-based vision and learning machines
Stokastik bit akışı tabanlı görü ve öğrenme makineleri
SERCAN AYGÜN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Homojen ve heterojen evrimsel sosyal ağlarda bağlantı tahmini
Link prediction in evolving homogeneous and heterogeneous networks
ALPER ÖZCAN
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- İleri yönlü yapay sinir ağlarında küçük dünya ağı yaklaşımı ve uygulamaları
Small world networks approach and applications in the feed forwad artifical neural networks
OKAN ERKAYMAZ
Doktora
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
PROF. DR. MAHMUT ÖZER