dc.contributor.advisor | Σωτηρόπουλος, Διονύσιος | |
dc.contributor.author | Φουντουκίδης, Παναγιώτης | |
dc.date.accessioned | 2021-01-25T10:55:26Z | |
dc.date.available | 2021-01-25T10:55:26Z | |
dc.date.issued | 2020-09 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13202 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/625 | |
dc.description.abstract | Στην ανάλυση κοινωνικών δικτύων η πρόβλεψη δημιουργίας νέων ακμών (συνδέσεων) προσφέρει μια καλύτερη κατανόηση και γνώση για την εξέλιξη ενός κοινωνικού δικτύου. Δεδομένου ότι τα κοινωνικά δίκτυα συνεχώς μεγαλώνουν, η πρόβλεψη ακμών έχει κερδίσει το ενδιαφέρον. Στην εργασία αυτή, χωρίζουμε το αρχικό κοινωνικό δίκτυο σε πολλαπλά μικρότερα υποδίκτυα με γνώμονα την χρονική στιγμή που δημιουργήθηκε η κάθε σύνδεση. Για κάθε ένα υποδίκτυο, τα μέτρα ομοιότητας υπολογίζονται και χρησιμοποιούνται για την εκπαίδευση του αλγόριθμου Support Vectro Machine. Τα αποτελέσματα της μεθόδου παρουσιάζονται με βάση την ακρίβεια του εκτιμητή μεταξύ δυο διαδοχικών υποδικτύων. | el |
dc.format.extent | 30 | el |
dc.language.iso | en | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.title | Χρονικά μεταβαλλόμενα μέτρα κεντρικότητας και πρόγνωση δεσμών σε κοινωνικά δίκτυα | el |
dc.title.alternative | Time-aware network centrality measure and link prediction | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | In network analysis predicting future links is an important task that provides further understanding and knowledge about the evolution of a social network. As social networks are constantly increasing the link prediction has attracted much attention. In this paper, we split the social network in subsets based on the timestamp of each interaction. For each subset the similarity matrices are calculated and using the Support Vectors Machine algorithm we train the estimator. We present the results of the classification method based on accuracy of its prediction between two consecutive subsets. | el |
dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
dc.subject.keyword | Support Vector Machines (SVM) | el |
dc.subject.keyword | Network analysis | el |
dc.subject.keyword | Social media | el |
dc.date.defense | 2020-09-30 | |