Wyszukiwanie zaawansowane ?

Obiekt

A Method for Group Extraction and Analysis in Multi-layered Social Networks
Pobierz

Tytuł: A Method for Group Extraction and Analysis in Multi-layered Social Networks

Autor:

Bródka, Piotr

Współtwórca:

Kazienko, Przemysław. Promotor

Opis:

Praca dostępna jako PDF również na stronie arXiv: ; kliknij tutaj, żeby przejść

Abstrakt:

The main subject studied in this dissertation is a multi-layered social network (MSN) and its analysis. One of the crucial problems in multi-layered social network analysis is community extraction. To cope with this problem the CLECC measure (Cross Layered Edge Clustering Coefficient) was proposed in the thesis. It is an edge measure which expresses how much the neighbors of two given users are similar each other. Based on this measure the CLECC algorithm for community extraction in the multi-layered social networks was designed. The algorithm was tested on the real single-layered social networks (SSN) and multi-layered social networks (MSN), as well as on benchmark networks from GN Benchmark (SSN), LFR Benchmark (SSN) and mLFR Benchmark (MSN) a special extension of LFR Benchmark, designed as a part of this thesis, which is able to produce multi-layered benchmark networks. The second research problem considered in the thesis was group evolution discovery. Studies on this problem have led to the development of the inclusion measure and the Group Evolution Discovery (GED) method, which is designed to identify events between two groups in successive time frames in the social network. The method was tested on a real social network and compared with two well-known algorithms regarding accuracy, execution time, flexibility and ease of implementation. Finally, a new approach to prediction of group evolution in the social network was developed. The new approach involves usage of the outputs of the GED method. It is shown, that using even a simple sequence, which consists of several preceding groups sizes and events, as an input for the classifier, the learned model can produce very good results also for simple classifiers.

Wydawca:

Politechnika Wrocławska

Miejsce wydania:

Wrocław

Data wydania:

2012

Typ zasobu:

rozprawa doktorska

Identyfikator zasobu:

oai:dbc.wroc.pl:142470

Język:

eng

Powiązania:

Politechnika Wrocławska. Wydział Informatyki i Zarządzania

Prawa:

Wszystkie prawa zastrzeżone (Copyright)

Prawa dostępu:

Dla wszystkich w zakresie dozwolonego użytku

Właściciel praw:

Własność autora

Lokalizacja oryginału:

Politechnika Wrocławska

Temat i słowa kluczowe:

wielowarstwowe sieci społeczne metoda ekstrakcji analiza grupowa

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

17 gru 2025

Data dodania obiektu:

17 gru 2025

Liczba wyświetleń treści obiektu:

1

Wszystkie dostępne wersje tego obiektu:

https://dlibra.kdm.wcss.pl/publication/181411

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
A Method for Group Extraction and Analysis in Multi-layered Social Networks 17 gru 2025

Obiekty Podobne
Data warehouses

Kazienko, Przemysław Bródka, Piotr

2011
książka
Metody analizy sygnału EEG ukierunkowane na wykrywanie bezdechu sennego

Prucnal, Monika Polak, Adam. Promotor

2021
rozprawa doktorska
Acta Scientiarum Polonorum. Biotechnologia 1, 2011

2011
czasopismo
Safety and Trustworthiness of Deep Learning in Computer Vision - With Application of Out-of-Distribution Detection Techniques

Szyc, Kamil Maciejewski, Henryk. Redakcja

2022
rozprawa doktorska
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Politechnika Wrocławska (Koordynator Konsorcjum DBC)
Biblioteka Politechniki Wrocławskiej
Wybrzeże Wyspiańskiego 27
50-370 Wrocław, Polska

Telefon

(+48) 71-320-38-30
(+48) 71-320-47-50

E-Mail

bc@pwr.edu.pl

Odwiedź nas!

https://biblioteka.pwr.edu.pl/

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji