Ανάλυση και εξαγωγή ρόλων σε μεγάλους γράφους

Λάμπρου, Σεραφείμ; Lamprou, Serafeim

dc.contributor.author	Λάμπρου, Σεραφείμ	el
dc.contributor.author	Lamprou, Serafeim	en
dc.date.accessioned	2018-04-23T10:02:50Z
dc.date.available	2018-04-23T10:02:50Z
dc.date.issued	2018-04-23
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46865
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15364
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Eξαγωγή ρόλων	el
dc.subject	Mοντελοποίηση συμπεριφοράς δικτύου	el
dc.subject	Eξαγωγή χαρακτηριστικών	el
dc.subject	Aνάλυση γράφων	el
dc.subject	Πρόβλεψη δικτύου	el
dc.subject	Role extraction	en
dc.subject	Network behavior modeling	el
dc.subject	Feature extraction	el
dc.subject	Graph analysis	el
dc.subject	Network prediction	el
dc.title	Ανάλυση και εξαγωγή ρόλων σε μεγάλους γράφους	el
dc.title	Analysis and role extraction in large graphs	en
heal.type	bachelorThesis
heal.classification	Ανάλυση κοινωνικού δικτύου	el
heal.classification	Social network analysis	en
heal.classificationURI	http://data.seab.gr/concepts/971f8c82aca5926d9a04e32a71bc7e1e2d11c4f8
heal.classificationURI	http://data.seab.gr/concepts/971f8c82aca5926d9a04e32a71bc7e1e2d11c4f8
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-01-02
heal.abstract	Σκοπός της εργασίας αυτής αποτελεί η ανάλυση της συμπεριφοράς μεγάλων γράφων και η προσπάθεια μοντελοποίησης της. Ο γράφος αποτελεί υπολογιστικό τρόπο αναπαράστασης ενός δικτύου, όπου κάθε κόμβος αντιπροσωπεύει ένα στοιχείο ή μια οντότητα του δικτύου και οι ακμές αντιπροσωπεύουν συνδέσεις και σχέσεις μεταξύ των στοιχείων. Με τον όρο συμπεριφορά, εννοούμε την προσπάθεια διαχωρισμού της λειτουργίας κάθε κόμβου που ανήκει στον γράφο. Παραδείγματα λειτουργίας ενός κόμβου μέσα στον γράφο μπορεί να είναι η κεντρικότητα, η ιδιότητα της γέφυρας, ή η πηγή μιας ροής μέσα στον γράφο. Περιλαμβάνεται επίσης η έννοια της εξέλιξης, δηλαδή πως ένας κόμβος θα μεταβεί από μια λειτουργία σε μία άλλη κατά τη διάρκεια του χρόνου Μοντελοποίηση εννοούμε την προσπάθεια εύρεσης ενός τρόπου αναπαράστασης όλων των δυνατών συμπεριφορών των κόμβων σε έναν γράφο με τέτοιο τρόπο που να ευνοείται η ομαδοποίηση, η εξαγωγή συμπερασμάτων και η ερμηνεία της κάθε πιθανής συμπεριφοράς. Στη μελέτη μας, ο τρόπος μοντελοποίησης που εξετάζουμε είναι η ανάλυση και εξαγωγή ρόλων και επικεντρωνόμαστε κυρίως σε κοινωνικά δίκτυα. Ρόλος είναι ένας τρόπος ομαδοποίησης συγκεκριμένων λειτουργιών και χαρακτηριστικών ενός κόμβου ή μιας ακμής. Με τον τρόπο αυτό, κόμβοι, ή ακμές με συγκεκριμένες λειτουργίες και χαρακτηριστικά τα οποία έχουν προκαθοριστεί, ομαδοποιούνται και θα ανήκουν στον ίδιο ρόλο. Τελικά όλες οι παραπάνω διαδικασίες, μπορούν να αναχθούν σε πράξεις πάνω σε γράφους. Αρχικά προσπαθήσαμε να ακολουθήσουμε ένα μέρος της ερευνητικής πορείας προκειμένου να ορίσουμε ορθά το πρόβλημα. Έγινε προσπάθεια σύνδεσης της εργασίας με την εξέλιξη ενός δικτύου. Μέσα από αυτή την ανάλυση προέκυψε, ως μοντέλο περιγραφής της συμπεριφοράς του δικτύου, η εξαγωγή και η ανάλυση ρόλων. Αφού αναλύσαμε πλήρως την έννοια του ρόλου και της ισοδυναμίας, τόσο σε κοινωνικό, όσο και σε μαθηματικό και τεχνικό επίπεδο, παρουσιάσαμε μερικά μαθηματικά μοντέλα εφαρμογής τους. Δόθηκε μεγαλύτερη έμφαση σε ένα από τα μοντέλα – αλγόριθμους, προκειμένου να αναλυθεί η λειτουργία του.Προέκυψαν έτσι δύο επιμέρους αλγόριθμοι, ένας για ανάλυση χαρακτηριστικών και ένας για την εξαγωγή ρόλων, ο Refex και ο Rolx. Αναλύσαμε τι σημαίνει αναπαράσταση γράφου με χαρακτηριστικά, τι σημαίνουν τα χαρακτηριστικά και εξηγήσαμε τους επιμέρους υπολογισμούς των αλγορίθμων. Στο τελικό στάδιο πραγματοποιήσαμε δύο πειράματα με εκτελέσεις των αλγορίθμων. Έγινε στατιστική ανάλυση των δεδομένων εισόδου, των παραμέτρων καθώς και τον αποτελεσμάτων και προσπαθήσαμε να εξαγάγουμε κάποια συμπεράσματα. Τέλος αναφέραμε πρακτικές εφαρμογές και βελτιώσεις των παραπάνω εργαλείων.	el
heal.abstract	The purpose of this work is to analyze the behavior of large graphs and study ways of modeling that behavior. A graph is a computational way to represent a network, where each node of the graph represents an element or an entity of the network and each edge of the graph represents a connection or a relationship between the elements. Using the term behavior, we try to distinguish each node’s unique functionality and its relative metrics to the other nodes and find a way to classify nodes which are equal in that aspect. Examples of functionalities and relative metrics could be the centrality of node, its position in the graph as a bridge, or being the source of a flow in the graph. Behavior also includes the concept of evolution that is how a node transforms from a functionality to another through time. Modeling is a way to accumulate and represent every possible behavior of the nodes of a graph in a way to make classification, conclusion drawing and behavior interpretation easier. The model we choose to study in this work is role extraction and analysis, especially in social networks. Role is a way of classifying certain functionalities and features of a node or an edge. Nodes with specific, predetermined functionalities or features will be grouped and belong to the same role in the graph. Finally all the above procedures could be applied as mathematical operations on the graph. We tried to track down part of the scientific research, concerning the problem, in order to define it properly. There was also a connection of this work with the link prediction problem in graph evolution. During the research, role extraction came up as a way to model and analyze graph behavior. After thorough analysis of the meaning of role and equivalence, both from a social and a mathematical – technical aspect, we presented some mathematical models that apply roles. Emphasis was given to one of the models in order to analyze it. The model was composed of two algorithms, the first one, Refex, for feature extraction and the second one, Rolx, for role extraction. We explained what features representation means on a graph and performed a step by step explanation of the algorithms. Final step of our study was to see the algorithms in action. We performed two experiments on the algorithms with two different datasets. Statistical analysis was performed on the input dataset, algorithm parameters, as well as on outputs and we tried to draw some conclusion. On the last part of this work, some every day applications of the algorithm, as well as some improvement	en
heal.advisorName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Βαρβαρίγος, Εμμανουήλ	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	76 σ.
heal.fullTextAvailability	true