Probíhá-li
komunikace v sociálních sítích prostřednictvím internetu, jako např.
v případě známých sítí Facebook a LinkedIn, je o nich k dispozici
ohromné množství dat. K hlavním výzkumným směrům v oblasti získávání znalostí z takových dat patří hledání
skupin propojených nějaká vazbou nebo vztahy. Drobným příspěvkem k tomuto směru
výzkumu by měla být i navržená diplomová práce.
Student
se seznámí s hlavními metodami pro hledání spřízněných skupin v sociálních
sítích. Tyto metody implementuje ve vývojovém prostředí Matlab a otestuje na
alespoň jednom veřejně dostupném souboru dat ze sociálních sítí využívající
služeb internetu. Z teoretického studia metod i z výsledků testování
vyvodí závěry o přednostech a nedostatcích jednotlivých z nich, případně
navrhne vhodnou modifikaci některé nebo některých z nich.
· T. Falkovski, J. Batelheimer, M. Spilioupolou. Minig and visualizing the evolution of subgroups in social networks. In Proceedings of the International Conference on WEB Intelligence, IEEE, 2006, 52–58.
·
A. Firat, S. Chatterjee, M.
Yilmaz. Genetic
clustering of social networks using random walks. Computational Statistics
& Data Analysis, 51: 6285-6294, 2009.
·
I.
Liiv. Mining and visualising power in social network analysis. In Proceedings of the International
Conference on Artificial Intelligence, CSREA, 2005, 754-759.
·
R. Silva, V. Menezes, J.
Oliveira, M.F. de Souza, C.E.R. de Mello. Mining and Analyzing Organizational
Social Networks for Collaborative Design., In Proceedings of the 13th
International Conference on Computer Supported Cooperative work in Design,
IEEE, 1999, 504-509.
·
S. Wasserman, P. Pattison.
Logit models and logistic regression for social networks. I. An introduction to
Markov graphs and p*. Psychometrika, 61: 401–425, 1996.
·
E.
Zheleva, H. Sharar, L. Getoor. Co-evolution of social and affiliation networks.
In Proceedings of the 15th Conference on Knowledge Discovery and Data Mining, ACM,
2009, 1007-1025.