Εντοπισμός επικαλυπτόμενων κοινωτήτων σε δυναμικά δίκτυα

Παπαδημητρίου, Κωνσταντίνος; Papadimitriou, Konstantinos

dc.contributor.author	Παπαδημητρίου, Κωνσταντίνος	el
dc.contributor.author	Papadimitriou, Konstantinos	en
dc.date.accessioned	2023-03-06T09:35:52Z
dc.date.available	2023-03-06T09:35:52Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57204
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24902
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) "Επιστήμη Δεδομένων και Μηχανική Μάθηση"	el
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Εντοπισμός κοινοτήτων	el
dc.subject	Γράφοι	el
dc.subject	Επικαλυπτόμενες κοινότητες	el
dc.subject	Δυναμικές κοινότητες	el
dc.subject	Δυναμικοί γράφοι	el
dc.subject	Community detection	en
dc.subject	Graphs	en
dc.subject	Overlapping communities	en
dc.subject	Dynamic communities	en
dc.subject	Temporal networks	en
dc.subject	Dynamic graphs	en
dc.title	Εντοπισμός επικαλυπτόμενων κοινωτήτων σε δυναμικά δίκτυα	el
dc.title	Dynamic overlapping community detection	en
heal.type	masterThesis
heal.classification	Επιστήμη δεδομένων	el
heal.language	el
heal.language	en
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2013-01-31
heal.abstract	Με τον όρο γράφος αναφερόμαστε σε μία πολύ απλή αλλά ταυτόχρονα πολύ ισχυρή δομή δεδομένων. Με γράφους μπορούμε να μοντελοποιήσουμε ένα τεράστιο εύρος από τα προβλή- ματα που αντιμετωπίζουμε. Με τη θεωρία γράφων μπορούμε να μοντελοποιήσουμε το οδικό δίκτυο και να βελτιστοποιήσουμε τις μεταφορές. Στη φυσική και τη χημεία, οι δομές και οι σχέσεις μεταξύ των ατόμων και των μορίων μπορούν να αποδοθούν σε γράφους ενώ στη βιολογία η θεωρία γράφων μπορεί να εξάγει υπερπολύτιμη πληροφορία για τις πρωτεΐνες ή να προσφέρει στην ανάλυση του γονιδιώματος των οργανισμών. Τέλος, τα κοινωνικά δίκτυα είναι στην πραγματικότητα μεγάλοι γράφοι που κρύβουν σημαντική πληροφορία για τον κάθε χρήστη. Εξέχουσα σημασία στα ζητήματα του πραγματικού κόσμου έχει μία υποκατηγορία των γράφων που είναι τα δυναμικά δίκτυα. Πρόκειται για γράφους που έχουν την ιδιότητα να αλλάζουν με την πάροδο του χρόνου. Έτσι έχουμε ακμές που εμφανίζονται ή διαγράφονται και κόμβους που γεννιούνται ή πεθαίνουν σε διαφορετικές χρονικές στιγμές. Ένα πολύ μεγάλο μέρος της θεωρίας γράφων είναι η Εντοπισμός Κοινοτήτων (Community Detection) όπου το κύριο μέλημα είναι να εντοπισθούν ομάδες από κόμβους που είναι πολύ στενότερα συνδεδεμένοι μεταξύ τους από ότι με τον υπόλοιπο γράφο. Είναι ένα σχετικά δύσκολο πρόβλημα που έχει μελετηθεί σε βάθος και υπάρχουν αμέτρητες προσεγγίσεις που προσπαθούν να το απαντήσουν. Υπάρχουν ωστόσο δύο αρκετά δυσκολότερες παραλλαγές του προβλήματος οι οποίες έχουν μελετηθεί λιγότερο. Η μία έχει να κάνει με αναγνώριση επικαλυπτόμενων κοινοτήτων, όπου ένας κόμβος μπορεί να ανήκει σε περισσότερες της μίας κοινότητες. Η δεύτερη πρόκειται για τον εντοπισμό και την παρακολούθηση δυναμικών κοινοτήτων, δηλαδή κοινοτήτων σε δυναμικούς γράφους που αλλάζουν στον χρόνο. Αντικείμενο της παρούσης εργασίας είναι η μελέτη του ακόμα πιο σύνθετου προβλήματος που συνδυάζει τον εντοπισμό επικαλυπτόμενων κοινοτήτων σε δυναμικά δίκτυα. Σκοπός είναι να σχεδιαστεί και να υλοποιηθεί ένα πλαίσιο που θα μπορεί να ανιχνεύει επικαλυπτό- μενες κοινότητες τις οποίες θα μπορεί να ανανεώνει αποδοτικά και γρήγορα, όταν νέες αλλαγές πραγματοποιούνται στο δίκτυο.	el
heal.abstract	A network or a graph is a mathematical representation of a collection of objects, known as nodes, and the relationships or connections between them, represented by edges. Using networks we can model a huge variety of problems that we are dealing with every day. Net- works can be found in the whole spectrum of science, including physics and chemistry (eg. the bonds between atoms and molecules can be modeled as graphs) or biology, where the genome of a species or the proteins can be modeled as complex graphs. In social sciences we use social networks to represent the connections between individuals. Networks can be categorized in several ways. In real world problems one particularly significant category is the temporal networks. This is the term that describes a network that changes over the course of time and it is very important as most tasks we are dealing with have a temporal parameter. The scientific field that studies networks is called graph theory. In graph theory one par- ticular problem that has troubled for many years the research community is the discovery of groups of nodes that are densely connected with each other while having little to no connec- tion with the rest of the graph. These groups are called communities and the task of detecting them, community detection. It is an important problem in network analysis that reveals the underlying structure and the relationships within a network. Dynamic community detection takes into account changes in the network structure over time, allowing for the detection of evolving communities. Overlapping community detec- tion, on the other hand, takes into account the possibility that a node may belong to multiple communities simultaneously, capturing the complexity and diversity of real-world networks. These two approaches are vital for understanding the dynamics and structures of networks in various domains, from social networks to transportation systems, and can lead to improved decisions and policies. The purpose of this thesis is to address the task of discovering overlapping communities that evolve over time. This is a particularly challenging problem and by solving it we can extract extremely valuable information for the underlying system that is represented by the network. While the problem of detecting static and non-overlapping communities is very well studied, the literature surrounding this task is rather poor. After studying two promising and well-developed frameworks that address the dynamic and the overlapping community detection problems, this thesis proposes an approach for dynamic overlapping community discovery which has shown encouraging results.	en
heal.advisorName	Παγουρτζής, Αριστείδης	el
heal.committeeMemberName	Παγουρτζής, Αριστείδης	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Φωτάκης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false