Networks: degree distribution, centrality measures, community detection and application to the oral history archive “ISTORIMA”

Σκορδάκη, Νίκη; Skordaki, Niki

dc.contributor.author	Σκορδάκη, Νίκη	el
dc.contributor.author	Skordaki, Niki	en
dc.date.accessioned	2026-01-22T06:02:56Z
dc.date.available	2026-01-22T06:02:56Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/63237
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.30932
dc.rights	Default License
dc.subject	Weighted Networks	en
dc.subject	Centrality Measures	el
dc.subject	Community Detection	en
dc.subject	Degree Distribution	en
dc.subject	Random Graphs	en
dc.subject	Μέτρα Κεντρικότητας	el
dc.subject	Τυχαία Γραφήματα	el
dc.subject	Κατανομή Βαθμών	el
dc.subject	Ανίχνευση Κοινοτήτων	el
dc.subject	Σταθμισμένα Δίκτυα	el
dc.title	Networks: degree distribution, centrality measures, community detection and application to the oral history archive “ISTORIMA”	en
dc.contributor.department	Μαθηματικών	el
heal.type	bachelorThesis
heal.classification	Πραγματικά Δίκτυα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2025-07-07
heal.abstract	Σε πολλά επιστημονικά πεδία, όπως στην κοινωνιολογία, στην βιολογία, α- κόμα και στην ιατρική, υπάρχει αυξημένο ερευνητικό ενδιαφέρον στην μελέτη της διαμόρφωσης συσχετισμών μεταξύ των αντίστοιχων μονάδων ανάλυσης. Αυτά τα συστήματα καταγραφής σχέσεων, ονομάζονται «δίκτυα». Μέσω της θεωρίας γραφημάτων καθίσταται εφικτή η μαθηματική και γραφική μοντελοπο- ίηση και η ανάλυση των δικτύων αυτών. Τα δίκτυα αναλόγως της φύσης των συνδέσμων τους, δηλαδή των σχέσεων που καταγράφουν, είναι είτε «σταθμι- σμένα», είτε «μη σταθμισμένα». Μη σταθμισμένα ονομάζονται τα δίκτυα στα οποία όλοι οι σύνδεσμοι είναι ισοδύναμοι, ενώ στα σταθμισμένα σε κάθε σύν- δεσμο, ανάλογα με το πόσο σημαντικός είναι ο ρόλος που κατέχει, αποδίδεται ένα βάρος. Τα βασικότερα χαρακτηριστικά ενός δικτύου, τα οποία το διαμορ- φώνουν, είναι το πλήθος των συνδέσμων του και η κατανομή των βαθμών των κόμβων του, όπου «βαθμός» είναι το πλήθος των γειτονικών κόμβων. Για την περαιτέρω κατανόηση των δικτύων έχουν προταθεί διάφορα μέτρα και δείκτες σημαντικότητας κόμβων. Η σημαντικότητα ενός κόμβου ποσοτικοποιείται και μετράται, μεταξύ άλλων, από τους δείκτες κεντρικότητας, οι οποίοι ως επί το πλείστον βασίζονται στους βαθμούς ή στις αποστάσεις των κόμβων και λαμ- βάνοντας υπόψιν διάφορα κριτήρια μετρούν το κατά πόσο κεντρικός, και άρα υπό διαφορετικά πρίσματα σημαντικός είναι ένας κόμβος για το δίκτυο. Στα πε- ρισσότερα πραγματικά δίκτυα, παρατηρείται η δημιουργία κοινοτήτων. Ως «κοι- νότητες» ορίζονται οι ομάδες στενά συνδεδεμένων κόμβων. Για την ανίχνευση ύπαρξης και μορφής της κοινοτικής δομής των δικτύων έχουν προταθεί διάφο- ρες μέθοδοι, μερικές εκ των οποίων παρουσιάζονται στην παρούσα εργασία. Αφορμή για την συγγραφή της συγκεκριμένης εργασίας αποτέλεσε η προτει- νόμενη μέθοδος προσέγγισης της ανάλυσης ενός σταθμισμένου δικτύου από την μελέτη του αντίστοιχου μη σταθμισμένου. Για τον σκοπό αυτό, αντλώντας δεδομένα από το αρχείο προφορικών ιστοριών «Istorima» δημιουργήθηκαν δύο δίκτυα, ένα σταθμισμένο και το αντίστοιχο μη σταθμισμένο. Αναλύοντάς τα με τα εργαλεία και συγκρίνοντας τα αποτελέσματα, τα οποία παρουσιάζονται στην παρούσα εργασία, έγινε κατανοητό ότι η καθολική, ακόμα και γενικευ- μένη, χρήση της προσέγγισης αυτής είναι ανεπαρκής, καθώς δεν είναι διόλου απίθανο κατά την εκτίμηση αυτή να χαθεί σημαντικός όγκος πληροφορίας της δομής και των χαρακτηριστικών του δικτύου.	el
heal.abstract	Abstract In many scienti c elds, such as sociology, biology and even medicine, there is an increasing research interest in studying the formation of correla- tions between the respective units of analysis. These systems for recording relationships are called networks . Through Graph Theory it becomes pos- sible to mathematically and graphically model and analyze these networks. Networks are either weighted or not weighted depending on the nature of their links, i.e. the relations they record. Not weighted networks are those in which all links are equivalent, whereas in weighted networks each link is given a weight, depending on the importance of the role it plays. The main characteristics of a network, which shape it, are the number of its links and the degree distribution of its nodes, where degree is the number of nei- ghboring nodes. To further understand networks, various measures of node importance have been proposed. The importance of a node is quanti ed and measured, among others, by centrality measures, which are mostly based on the degrees or distances of nodes and considering various criteria measure the centrality, and thus under di erent prisms importance of a node. In most real networks, community formation is observed. Communities are de ned as groups of closely connected nodes. Several methods have been proposed to detect the existence and form of community network structure, some of which are presented in this paper. The motivation for writing this paper was the proposed method of approaching the analysis of a weighted network by studying the corresponding not weighted network. For this purpose, by extracting data from the oral history archive Istorima , two networks were created, a weighted and the corresponding not weighted one. By analyzing them with the tools and comparing the results, which are presented in th- is paper, it became clear that the universal, even generalized, use of this approach is inadequate, as it is not unlikely that a signi cant amount of information of the network structure and characteristics is lost during this estimation.	en
heal.advisorName	Λουλάκης, Μιχαήλ
heal.committeeMemberName	Συμβώνης, Αντώνιος	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Λουλάκης, Μιχαήλ	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	133
heal.fullTextAvailability	false