Zadání diplomové práce

Modely sociálních sítí

(klíčová slova: sociální sítě, náhodné efekty, markovské grafy, logistická regrese, entropie)

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. Náročnější analýza těchto dat se však neobejde bez nějakého abstraktního modelu sociální sítě. Těch již byla navržena celá řada, nejznámější jsou založené na náhodných efektech, markovských grafech, logistické regresi a entropii. Rozvoj a ověřování těchto modelů je velmi aktivní oblastí výzkumu. Drobným příspěvkem k takovému výzkumu by měla být i navržená diplomová práce.

Student se nejdříve seznámí s hlavními typy modelů sociálních sítí. Tyto modely poté implementuje ve vývojovém prostředí Matlab a otestuje na alespoň jednom veřejně dostupném souboru dat ze sociálních sítí využívající služeb internetu. Z teoretického studia modelů i z výsledků testování vyvodí závěry o přednostech a nedostatcích jednotlivých z nich, případně navrhne vhodnou modifikaci některého nebo některých z nich.

 

Models of social networks

If communication in social networks is performed by means of internet, as e.g., in the case of the well-known networks Facebook and LinkedIn, an immense amount of data is available about such networks. A more demanding analysis of those data is, however, impossible without some abstract model of the social network. A number of such models have been proposed, best known being those based on random effects, Markov graphs, logistic regression, and entropy. The development and validation of those models is a very active research area, to which also the proposed master thesis should be a small contribution.

 

 

Doporučená literatura

·       M.A.J. van Duijn, T.A.B. Snijders, B.J.H. Zijlstra. p2: a random effects model with covariates for directed graphs. Statistica Nederlandica, 58: 234–254, 2004.

·       I. King, J. Li, K.T. Chan. A Brief Survey of Computational Approaches in Social Computing. In Proceedings of International Joint Conference on Neural Networks, IEEE, 2009, 1625–1632.

·       G. Robins, P. Pattison, S. Wasserman. Logit models and logistic regrression for social networks. III. Valued relations. Psychometrika, 64: 371–394, 1999.

·       M. Safar, D. Taniar. Entropy Optimization of Social Networks Using an Evolutionary Algorithm. Journal of Universal Computer Science, 16, 983–1003, 2010.

·       N. El-Sayed, K. Mahdi, M. Safar. Cyclic Entropy Optimization of Social Networks using an Evolutionary Algorithm. In International Conference on Computational Science and Its Applications, IEEE, 2009, 9–16.

·       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.