നെറ്റ്വർക്ക് കമ്മ്യൂണിറ്റി ഡിറ്റക്ഷൻ റിവ്യൂ
ഒരു നെറ്റ്വർക്കിനുള്ളിലെ ഗ്രൂപ്പുകളെ കണ്ടെത്തുക എന്നത് പ്രയാസകരമാണ്. നെറ്റ്വർക്കുകളിൽ ദശലക്ഷക്കണക്കിന് കണക്ഷനുകൾ അടങ്ങിയിരിക്കുന്നു. അവയെ മനസ്സിലാക്കാൻ നിങ്ങൾക്ക് പാറ്റേണുകൾ കണ്ടെത്തേണ്ടതുണ്ട്.
നോഡുകളെ (nodes) ഒരുമിച്ച് ഗ്രൂപ്പ് ചെയ്യാൻ കമ്മ്യൂണിറ്റി ഡിറ്റക്ഷൻ നിങ്ങളെ സഹായിക്കുന്നു. ഈ ഗ്രൂപ്പുകൾ നെറ്റ്വർക്കിന്റെ മറ്റ് ഭാഗങ്ങളെ അപേക്ഷിച്ച് കൂടുതൽ കണക്ഷനുകൾ പങ്കിടുന്നു. സോഷ്യൽ മീഡിയ, ബയോളജി, തട്ടിപ്പുകൾ കണ്ടെത്തൽ (fraud detection) എന്നിവയിൽ ഈ പ്രക്രിയ ഉപയോഗപ്രദമാണ്.
ഇന്ന് ഉപയോഗിക്കുന്ന പ്രധാന രീതികളെക്കുറിച്ച് ഈ റിവ്യൂ വിവരിക്കുന്നു:
- മോഡുലറൈസേഷൻ രീതികൾ (Modularization methods) ഗ്രൂപ്പുകൾക്കുള്ളിലെ ഉയർന്ന സാന്ദ്രത പരിശോധിക്കുന്നു.
- റാൻഡം വാക്ക് രീതികൾ (Random walk methods) നോഡുകൾ എവിടെയാണ് ക്ലസ്റ്റർ ആകുന്നത് എന്ന് കാണാൻ പാതകൾ പിന്തുടരുന്നു.
- സ്പെക്ട്രൽ രീതികൾ (Spectral methods) ഡാറ്റയിലെ വിഭജനങ്ങൾ കണ്ടെത്താൻ ഗണിതം ഉപയോഗിക്കുന്നു.
- ഇൻഫർമേഷൻ തിയററ്റിക് രീതികൾ (Information theoretic methods) ഒരു ഗ്രൂപ്പിൽ എത്രത്തോളം ഡാറ്റ നിലനിൽക്കുന്നു എന്ന് അളക്കുന്നു.
ഈ സാങ്കേതിക വിദ്യകളുടെ ഒരു വിഷ്വൽ സർവേ ഈ പേപ്പർ നൽകുന്നു. യഥാർത്ഥ ഡാറ്റയിൽ വിവിധ അൽഗോരിതങ്ങൾ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് ഇതിലൂടെ കാണാൻ സാധിക്കും.
ഈ ഘടനകളെക്കുറിച്ച് കൂടുതൽ അറിയാൻ പൂർണ്ണമായ പഠനം വായിക്കുക.
സ്രോതസ്സ്: https://dev.to/paperium/network-community-detection-a-review-and-visual-survey-5430
ഓപ്ഷണൽ ലേണിംഗ് കമ്മ്യൂണിറ്റി: https://t.me/GyaanSetuAi