Community dynamics and personalized recommendations: Enhancing link prediction in unipartite and bipartite networks
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
Karmaşık ağlar, varlıklar arasındaki etkileşimleri içeren sistemleri temsil etmek için elverişli modellerdir. Bu etkileşimlerin dinamikleri genellikle ağlar içinde toplulukların oluşmasına yol açar. Ağ modellemesi, varlıklar arasında gelecekteki etkileşimlerin tahmin edilmesine olanak tanıyan bağlantı tahmini de dahil olmak üzere çeşitli problemlerin üstesinden gelmek için kullanılabilir. Bağlantı tahmini ve topluluklar birbiriyle ilişkili iki olgudur. Topluluklar, düğümler arasındaki bağlantıların daha yoğun olduğu ağ alt kümeleri olarak tanımlanabilir. Bu nedenle, aynı topluluk içindeki düğümlerin birbirleriyle bağlantı kurma eğiliminin daha yüksek olmasını bekleriz. Bu eğilimin niteliği topluluk yapısının özelliklerine bağlı olabilir. Buna rağmen, bağlantı tahmini ve topluluk yapısı arasındaki ilişkinin dinamikleri literatürde yeterince incelenmemiştir. Ayrıca, tek parçalı ağlar için bağlantı tahmin yöntemlerinin kapsamlı karşılaştırmaları mevcutken, çift parçalı ağlar için bu tür çalışmalar yetersizdir. Bu tezdeki amacımız, ilk olarak tek parçalı ağlardaki topluluk yapısı ile ilişkisini ortaya koyarak ve ikinci olarak çift parçalı ağlarda tahmin doğruluğunu artırmak için sistematik bir metodoloji oluşturarak bağlantı tahmini olgusunu araştırmaktır. İlki için bir deney tasarımı ve ikincisi için çift parçalı ağlarda çalışmak üzere uyarlanmış dört farklı bağlantı tahmin stratejisi sunuyoruz. Bulgularımız iki yönlüdür. İlk olarak, bir ağdaki topluluk yapıları ne kadar belirginse, toplulukların tanımlanmasına bakılmaksızın bağlantı tahmin başarısı o kadar iyi olur. Dahası, bağlantı tahmin görevini tüm ağ yerine topluluk bazında gerçekleştirmek bağlantı tahmin başarısını artırmaktadır. İkinci olarak, güncel kişiselleştirilmiş kolaboratif filtreleme yöntemleri, çift parçalı ağlara uyarlanarak bu ağlarda bağlantı tahminini başarıyla gerçekleştirebilir. Üstelik, orijinal olarak tek parçalı ağlar için geliştirilen SPM bağlantı tahmin yöntemi, çift parçalı ağlardaki bağlantıları tahmin etmede de nispeten yüksek doğruluk göstermektedir.
Author
Şükrü Demir İnan Özer
Institution
How to Cite
Şükrü Demir İnan Özer (Yüksek Lisans Tezi). Community dynamics and personalized recommendations: Enhancing link prediction in unipartite and bipartite networks, 2024, Galatasaray University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Galatasaray University
- Towards new narratives and signifiers against "Global ends": Chile's great refusal(2025)
- Hümanizm ve transhümanizm düşüncesinde tabii hak anlayışı(2025)
- Devletin yeni uzay faaliyetlerinden doğan uluslararası sorumluluğu(2025)
- Le nouveau roman: claude simon et william faulkner(2014)
- Türk hukukunda makine öğrenmesine dayalı yapay zekada verinin hukuka uygun şekilde kullanılması(2021)
- Deep learning-based detection and segmentation for 3D perception of the urban world(2025)
