Social Network Analysis Based on Combining Probabilistic Models with Graph Deep Learning

2021 ◽  
pp. 975-986
Author(s):  
Xuan Truong Dinh ◽  
Hai Van Pham
Keyword(s):  
Deep Learning ◽  
Social Network ◽  
Social Network Analysis ◽  
Network Analysis ◽  
Probabilistic Models

scholarly journals Τεχνικές αναλύσης κοινωνικών δικτύων, με έμφαση σε γράφους εμπιστοσύνης

2015 ◽  
Author(s):  
Αθανάσιος Παπαοικονόμου
Keyword(s):  
Deep Learning ◽  
Natural Language Processing ◽  
Social Network ◽  
Social Network Analysis ◽  
Network Analysis ◽  
Natural Language ◽  
Language Processing

Η παρούσα διατριβή προτείνει τεχνικές για την ανάλυση κοινωνικών δικτύων δίνοντας ιδιαίτερη έμφαση σε δίκτυα στα οποία οι χρήστες μπορούν να εκφράζουν εμπιστοσύνη ή δυσπιστία μεταξύ τους. Η ανάλυση τέτοιων γράφων εμπιστοσύνης είναι ένα ενδιαφέρον πρόβλημα με ευρύ φάσμα εφαρμογών όπως η ανάλυση γεωπολιτικών σχέσεων και η εύρεση κοινοτήτων χρηστών. Στα πρώτα τρία κεφάλαια εξετάζεται το πρόβλημα της πρόβλεψης της προδιάθεσης ενός χρήστη για έναν άλλο, αντλώντας τεχνικές από τρεις διαφορετικούς τομείς. Αρχικά, χρησιμοποιούνται κλασικές και διαδεδομένες τεχνικές από τον χώρο της Ανάλυσης Κοινωνικών Δικτύων (Social Network Analysis) με σκοπό να ερευνηθούν οι μηχανισμοί διάδοσης θετικών και αρνητικών απόψεων στο δίκτυο. Έπειτα, ενσωματώνουμε τεχνικές από τον τομέα της Βιοστατιστικής, ώστε να αναλύσουμε μεγάλα κοινωνικά δίκτυα από μικροσκοπική σκοπιά. Στη συνέχεια, με χρήση τεχνικών deep learning δείχνουμε πως είναι δυνατόν να "κατασκευαστεί" ένας γράφος εμπιστοσύνης αξιοποιώντας δεδομένα φαινομενικά άσχετα με αυτόν τον σκοπό, όπως οι κριτικές των χρηστών για διάφορα προϊόντα. Στο τελευταίο κεφάλαιο, παρουσιάζουμε έναν αλγόριθμο εύρεσης κοινοτήτων σε κοινωνικά δίκτυα, βασιζόμενοι σε πρόσφατες προόδους στον τομέα της Ανάλυσης Φυσικής Γλώσσας (Natural Language Processing). Η σειρά των κεφαλαίων αποτυπώνει την χρονική σειρά των πειραμάτων που εφάρμοσα αλλά κάθε κεφάλαιο είναι γραμμένο ώστε να μην έχει σημαντικές συσχετίσεις με τα προηγούμενα και έτσι να μπορεί να διαβαστεί αυτόνομα

Using deep learning and social network analysis to understand and manage extreme flooding

2020 ◽  
Vol 28 (3) ◽  
pp. 251-261
Author(s):  
Andrei Romascanu ◽  
Hannah Ker ◽  
Renee Sieber ◽  
Sarah Greenidge ◽  
Sam Lumley ◽  
...  
Keyword(s):  
Deep Learning ◽  
Social Network ◽  
Social Network Analysis ◽  
Network Analysis ◽  
Extreme Flooding

An overview of Software Applications for Social Network Analysis

2013 ◽  
Vol 3 (3) ◽  
pp. 71-77 ◽  
Author(s):  
Ioana-Alexandra Apostolato
Keyword(s):  
Social Network ◽  
Social Network Analysis ◽  
Network Analysis ◽  
Probabilistic Models ◽  
Software Applications ◽  
Software Packages ◽  
Node Removal ◽  
Analytical Tools ◽  
Analysis Of Social Networks ◽  
Text Mining Tool

Abstract There is a great variety of software tools that has been developed within the last 20 years, as to facilitate and support the qualitative and quantitative analysis of social networks. This paper gives a brief overview of some of the most popular software packages for social network analysis: Pajek, UCINET 6, NetDraw, Gephi, E-Net, KeyPlayer 1, StOCNET and Automap. Pajek has efficient algorithms for the analysis of large networks, while UCINET 6 includes multiple analytical tools highly efficient for exploring and measuring social network structures. NetDraw, nested in UCINET 6, and Gephi allow network visualization. E-Net and KeyPlayer 1 satisfy rather specific and well-oriented purposes: ego-network analysis and network key-player operations (node removal or utilization). StOCNET provides a platform for statistical methods focusing on probabilistic models, while Automap is a text mining tool for analyzing text relational data.

Sign in / Sign up

Export Citation Format

Share Document