Sosyal ağlarda topluluk arama
Yükleniyor...
Dosyalar
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Ticaret Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
ÖZET Bu çalışmada, topluluk arama problemi adreslenerek öznitelikli ağlar için öznitelik bilgisini ağ topolojisine entegre etme fikrine dayanan bir yaklaşım sunuyoruz. Gelişen teknoloji ile birlikte sosyal ağların yoğun bir şekilde kullanımı, bir dizi sosyal nesne ve bu nesnelerin arasındaki yoğun ilişkilerden oluşan karmaşık ağ yapılarını meydana getirmektedir. Bu tür karmaşık ağ yapılarından anlamlı bilgilerin çıkarılabilmesi için ağları topluluk seviyesinde analiz eden yaklaşımlar önerilmektedir. Bir topluluk, ağdaki nesneler arasındaki bağlantıların ağın geri kalanıyla olan bağlantılardan daha yoğun olduğu şekilde gözlendiği veya belirli özellikler açısından birbirleri ile benzerlik gösteren nesnelerin bir alt kümesi olarak tanımlanır. Son zamanlarda araştırmacılar, topluluk arama yaklaşımı olarak adlandırılan, belirli sorgu nesnesi veya nesneleri kullanılarak, karmaşık ağ yapılarından yüksek kaliteli toplulukları gerçek zamanlı olarak ortaya çıkaran yaklaşımlar önermektedirler. Bu yaklaşımlar, ağ yapılarını, ağ nesnelerinin düğümlere ve nesneler arasındaki ilişkilerin ise kenarlara karşılık düştüğü graf yapısı ile temsil etmektedirler. Var olan topluluk arama algoritmaları, çoğunlukla grafın bu topolojik yapısını temel alır. Öznitelikli ağlar ise topolojik graf bilgisinin yanı sıra, ağda bulunan düğümleri karakterize eden öznitelik verisini de içermektedir. Geleneksel topluluk arama yaklaşımları, düğümü karakterize eden zengin öznitelik verisini göz ardı ederek sadece ağ yapısı üzerinden sonuç üretmektedir. Bu çalışmada öznitelik verisinin ağ topolojisine entegre edilmesi sağlanarak topluluk arama yaklaşımlarına içeriksel bir boyut kazandırılır. Bu yaklaşım ile mevcut arama algoritmalarının öznitelikli ağlar üzerinde uygulanabilir hale getirilmesi amaçlanmaktadır. Böylelikle öznitelik verisinin sorgu verisi olarak kullanılması sağlanmaktadır. Ve böylece kullanılan algoritmalarının başarısının artırılması hedeflenmektedir. Önerilen yöntem gerçek dünya veri setleri kullanılarak denenmiştir. Sonuçların temel yöntemler ile karşılaştırıldığında daha yüksek doğruluk değerine sahip olduğu gözlemlenmiştir. Anahtar Kelimeler: K-çekirdek, k-tras, öznitelikli ağlar, topluluk arama. ABSTRACT In this study, we present an approach based on the idea of integrating feature information into the network topology for attributed networks by addressing the community search problem. With the intensive usage of social networks, complex network structures are naturally formed, consisting of a series of social objects and the intense relations between these objects. In order to extract meaningful information from such complex networks, some existing approaches analyze the networks at the community level. A community is defined as a subset of objects in which the connections between objects in the network are observed to be more intense than the connections to the rest of the network, or that are similar to each other in certain properties. Recently, researchers propose new approaches, called community search, that aim to reveal high-quality communities from complex network structures in real time using specific query object or objects. These approaches represent the network structure as a graph structure in which network objects correspond to nodes and relationships between objects to edges. Existing community search algorithms are mostly based on this topological structure of the graph. On the other hand, attributed networks consist of attribute data characterizing the nodes in the network as well as topological graph information. Traditional search approaches ignore the rich attribute information and produce results only through the network structure. In this study, we aim to enhance community search approaches by integrating the attribute data into the network topology. Thus, we provide a contextual dimension for topology-based community search algorithms. With our approach, it is aimed to make existing search algorithms applicable on attributed networks. At the same time, it is ensured that the attribute information is used as query data and it is aimed to increase the accuracy of the existing algorithms. The proposed method has been evaluated using real-world datasets. The results demonstrate that our proposed method achieves higher accuracy than the baseline methods. Keywords: Attributed networks, community search, k-core, k-truss. İÇİNDEKİLER İÇİNDEKİLER . i ÖZET . ii ABSTRACT . iii TEŞEKKÜR . iv ŞEKİLLER DİZİNİ . v ÇİZELGELER DİZİNİ . vi SİMGELER VE KISALTMALAR DİZİNİ . vii 1. GİRİŞ. 1 2. LİTERATÜR ÖZETİ . 6 2. 1. Özniteliksiz Ağlarda Topluluk Tespiti . 6 2. 2. Öznitelikli Ağlarda Topluluk Tespiti . 7 2. 3. Özniteliksiz Ağlarda Topluluk Arama . 9 2. 4. Öznitelikli Ağlarda Topluluk Arama . 11 3. İLGİLİ KAVRAMLAR VE TOPLULUK ARAMA ALGORTİTMALARI . 14 3. 1. Graflar ve Topluluklar . 14 3. 1. 1. Graflar . 14 3. 1. 2. Topluluklar . 15 3. 2. Topluluk Arama Problemi . 16 3. 3. Öznitelikli Ağlarda Topluluk Arama . 17 3. 4. Topluluk Arama Algoritmaları . 18 3. 4. 1. ??-çekirdek tabanlı topluluk arama . 19 3. 4. 2. ??-tras tabanlı topluluk arama . 23 3. 4. 3. ??-klik tabanlı topluluk arama . 26 3. 4. 4. ??-kenar tabanlı topluluk arama . 27 3. 5. Topluluk Arama Algoritmalarının Karşılaştırılması . 28 3. 6. Topluluk Arama Problemi ve Topluluk Tespit Etme Problemi Arasındaki Farklar . 29 4. ARAŞTIRMA BULGULARI VE TARTIŞMA . 31 4. 1. Önerilen Graf Yapısı . 31 4. 2. Veri Kümeleri ve Deneysel Kurulum . 33 4. 3. Performansın Değerlendirilmesi . 35 4. 4. Diğer Çalışmalar ile Karşılaştırma . 37 5. SONUÇ VE ÖNERİLER . 39 KAYNAKLAR . 40 ÖZGEÇMİŞ . 44
Açıklama
Tez (Yüksek Lisans) -- İstanbul Ticaret Üniversitesi -- Kaynakça var.
Anahtar Kelimeler
Application software, Uygulama yazılımı, Artificial intelligence, Yapay zeka, Data mining, Veri madenciliği, Database management, Veri tabanı yönetimi, Bilgi saklama ve geri alma sistemleri, Information storage and retrieval, Örüntü tanıma sistemleri, Pattern recognition systems
