Review zur Erkennung von Netzwerk-Communities
Das Finden von Gruppen innerhalb eines Netzwerks ist schwierig. Netzwerke enthalten Millionen von Verbindungen. Man muss Muster finden, um sie zu verstehen.
Die Community-Erkennung hilft dabei, Knoten zu gruppieren. Diese Gruppen weisen mehr Verbindungen untereinander auf als zum Rest des Netzwerks. Dieser Prozess findet Anwendung in den sozialen Medien, der Biologie und der Betrugserkennung.
Dieser Review behandelt die heute gängigen Hauptmethoden:
- Modularisierungsmethoden suchen nach hoher Dichte innerhalb von Gruppen.
- Random-Walk-Methoden folgen Pfaden, um zu sehen, wo sich Knoten häufen.
- Spektralmethoden nutzen Mathematik, um Aufteilungen in den Daten zu finden.
- Informationstheoretische Methoden messen, wie viele Daten innerhalb einer Gruppe verbleiben.
Die Arbeit bietet eine visuelle Übersicht über diese Techniken. Man sieht, wie sich verschiedene Algorithmen bei realen Daten verhalten.
Lesen Sie die vollständige Studie, um mehr über diese Strukturen zu erfahren.
Quelle: https://dev.to/paperium/network-community-detection-a-review-and-visual-survey-5430
Optionale Lern-Community: https://t.me/GyaanSetuAi