?
Summable and nonsummable data‐driven models for community detection in feature‐rich networks
Social Network Analysis and Mining. 2021. Vol. 11. No. 1. P. 1-23.
Научное направление:
Компьютерные науки
Приоритетные направления:
компьютерно-математическое
Язык:
английский
Ключевые слова: social network analysiscommunity detection algorithmsCommunity detectionclustering algorithmsFeature-rich Networks
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Чеповский А. А., Lobanova S., Business Informatics 2017 Vol. 42 No. 4 P. 64-73
Добавлено: 2 августа 2019 г.
Лещёв Д. А., Сучков Д. В., Хайкова С. П. и др., Вопросы кибербезопасности 2019 Т. 32 № 4 С. 61-71
Цель статьи: разработка методов анализа графа взаимодействующих объектов на основе выделения неявных сообществ с целью решения задач поиска близости профилей и обмена, распространения информации между объектами.
Метод: импорт данных из социальных сетей с последующим построением взвешенного графа на основе выбранных атрибутов и весовой функции, соответствующей исходной задаче; выделение сообществ на построенном взвешенном графе и сравнение получаемых ...
Добавлено: 2 августа 2019 г.
Avrachenkov K. E., Kondratev Aleksei Y, Mazalov V. V. и др., Computational Social Networks 2018 Vol. 5 No. 11 P. 1-28
The paper is devoted to game-theoretic methods for community detection in networks. The traditional methods for detecting community structure are based on selecting dense subgraphs inside the network. Here we propose to use the methods of cooperative game theory that highlight not only the link density but also the mechanisms of cluster formation. Specifically, we ...
Добавлено: 30 октября 2018 г.
Попов В. А., Чеповский А. А., Вестник Новосибирского государственного университета. Серия: Информационные технологии 2021 Т. 19 № 2 С. 76-91
Описываются алгоритм импорта данных из социальной сети Twitter и построение взвешенных социальных графов. Для импорта данных за основу берутся заданные посты, скачиваются пользователи, имевшие с ними какое-либо из зафиксированных взаимодействий. Далее алгоритм ориентируется на заданную конфигурацию и по ней вычисляет веса на ребрах полученного графа. Конфигурация учитывает тип взаимодействия пользо-вателей между собой. Авторы вводят понятие ...
Добавлено: 25 июля 2021 г.
Шалилех С. А., Миркин Б. Г., , in : Intelligent Data Engineering and Automated Learning – IDEAL 2020/ 21st International Conference, Guimaraes, Portugal, November 4–6, 2020, Proceedings, Part II. Vol. 12490: Lecture Notes in Computer Science.: Cham : Springer, 2020. P. 413-422.
Добавлено: 14 ноября 2020 г.
Добавлено: 21 декабря 2015 г.
Ekaterinburg : CEUR Workshop Proceedings, 2014
АИСТ'2014 — Третья Международная Научная Конференция по Анализу Изображений, Сетей и Текстов.
УЧАСТНИКИ
исследователи, чьи научные интересы связаны с разработкой математических моделей, алгоритмов и инструментов анализа данных;
практики, которые в своей повседневной работе сталкиваются с задачами обработки и анализа графических, текстовых, и других структурированных и неструктурированных данных;
студенты, интересующихся задачами анализа данных, и желающих расширить свои компетенции в области ...
Добавлено: 28 августа 2014 г.
Cham : Springer, 2014
The CCIS series is devoted to the publication of proceedings of computer science conferences. Its aim is to efficiently disseminate original research results in informatics in printed and electronic form. While the focus is on publication of peer-reviewed full papers presenting mature work, inclusion of reviewed short papers reporting on work in progress is welcome, ...
Добавлено: 15 октября 2014 г.
Dealing with relational data always required significant computational resources, domain expertise and task-dependent feature engineering in order to incorporate structural information into predictive model. Nowadays, a family of automated graph feature engineering techniques have been proposed in different streams of literature. So-called graph embeddings provide a powerful tool to construct vectorized feature spaces for graphs ...
Добавлено: 27 октября 2020 г.
Zarodnyuk A., Trofimova E., Solovyov A. и др., Journal of Physics: Conference Series 2021 No. 1740 Article 012017
Добавлено: 25 января 2021 г.
Аванесян Н. Л., Соловьев Ф. Н., Чеповский А. А., Вестник Новосибирского государственного университета. Серия: Информационные технологии 2021 Т. 19 № 1 С. 5-14
Приводится описание методики статистического анализа текстов социальных сетей, основанной на сравнении методами корреляционного анализа автоматически сформированных частотных словарей. Рассматриваются психолингвистические характеристики и коэффициенты попарной ранговой корреляции для сравнения частотных характеристик текстов на естественном языке. ...
Добавлено: 14 апреля 2021 г.
Malaga : CEUR Workshop Proceedings, 2015
Social network analysis (SNA) is a multidisciplinary research area that has attracted many researchers from different disciplines such as Physics, Mathematics, Sociology, Biology and Computer Science, and has been studied according to different approaches and techniques. A social network is a dynamic structure (generally represented as a graph) of a set of entities/actors (nodes) together ...
Добавлено: 19 октября 2015 г.
ACM, 2012
Добавлено: 4 марта 2015 г.
Springer, 2014
This book constitutes the refereed proceedings of the 10th International Conference on Machine Learning and Data Mining in Pattern Recognition, MLDM 2014, held in St. Petersburg, Russia in July 2014. The 40 full papers presented were carefully reviewed and selected from 128 submissions. The topics range from theoretical topics for classification, clustering, association rule and ...
Добавлено: 30 сентября 2014 г.
Berlin : Springer, 2014
Добавлено: 13 ноября 2014 г.
Коломейченко М. И., Поляков И. В., Чеповский А. А. и др., Фундаментальная и прикладная математика 2016 Т. 21 № 3 С. 131-139
Рассматривается задача анализа графа социальной сети и других взаимодействующих объектов. Описываются алгоритмы выделения сообществ в социальных сетях, приводится их классификация и анализ. Обсуждается применимость алгоритмов к прикладным задачам анализа больших графов социальных сетей. ...
Добавлено: 23 февраля 2017 г.
Чеповский А. А., Чеповский А. М., Поляков И. В. и др., Journal of Mathematical Sciences 2019 Vol. 237 No. 3 P. 426-431
Добавлено: 5 июня 2019 г.
Цель статьи: анализ графа взаимодействующих объектов социальных сетей на основе выделения неявных сообществ, оценка субъектности выделенных сообществ, сопоставление сетевых характеристик сообществ и различных показателей их субъектности.
Метод: выделение сообществ на построенном взвешенном графе социальной сети, психолингвистический анализ контента сообществ с помощью перечня дискурсивных маркеров субъектности, статистические методы выявления взаимосвязи сетевых характеристик и частоты дискурсивных маркеров.
Полученный результат: ...
Добавлено: 26 августа 2020 г.
Миркин Б. Г., , in : Complex Networks & Their Applications IX. Volume 1: Proceedings of the Ninth International Conference on Complex Networks and Their Applications COMPLEX NETWORKS 2020. : Springer, 2021. P. 3-14.
Добавлено: 31 октября 2020 г.