Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/123456789/27890
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚουρσούμης, Αντώνιοςel
dc.date.accessioned2017-04-03T08:42:38Z-
dc.date.available2017-04-03T08:42:38Z-
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/123456789/27890-
dc.identifier.urihttp://dx.doi.org/10.26268/heal.uoi.1929-
dc.rightsDefault License-
dc.subjectΟμοιότηταel
dc.subjectΓραφήματαel
dc.subjectΧρονικά γραφήματαel
dc.subjectΜετρικέςel
dc.subjectSimilarityen
dc.subjectGraphsen
dc.subjectTemporal graphsen
dc.subjectMetricsen
dc.titleSimilarity in temporal graphsen
dc.titleΟμοιότητα σε εξελισσόμενους γράφουςel
heal.typemasterThesis-
heal.type.enMaster thesisen
heal.type.elΜεταπτυχιακή εργασίαel
heal.classificationGraphic methodsen
heal.dateAvailable2017-04-03T08:43:38Z-
heal.languageen-
heal.accessfree-
heal.recordProviderΠανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικήςel
heal.publicationDate2017-
heal.bibliographicCitationΒιβλιογράφία : σ. 56-57el
heal.abstractIn all modern networks, calculating metrics and ranking nodes according to their inherent characteristics is a vital part of their analysis. It helps by providing information of the structure of the network, the association and importance of nodes, as well as presenting characteristics and information of the network itself. The main problem lies in redefining already existent models and algorithms that are built for static networks to also apply their calculations, effectively, on networks that evolve over time. This must not be done by completely excluding node structure or other information they already include but by extending them to also calculate temporal metrics. Such a change is essential due to the amount of data being extracted everyday whose components include rich temporal information. This work focuses on altering distance, diameter and centrality metrics as well as the SimRank algorithm to fit temporal data extracted from two different datasets restructured in three different graph implementations; an undirected, a directed and a bipartite one. The resulting definitions, models and implementations are analyzed and ranking algorithms were used to evaluate their significance.en
heal.abstractΜε την εξέλιξη των αυτόματων εργαλείων συλλογής δεδομένων, η δυνατότητα μας να δημιουργούμε και να αποθηκεύουμε πληροφορία έχει αυξηθεί δραματικά τις τελευταίες δεκαετίες. Μεγάλο μέρος αυτής της πληροφορίας χρησιμοποιεί την δομή γράφων για την οργάνωση των δεδομένων. Οι γράφοι αποτελούν ένα κεντρικό κομμάτι της σύγχρονης εποχής. Υπάρχουν παντού. Πολλοί από αυτούς αλλάζουν συνεχώς με το πέρασμα του χρόνου. Βασικότερα παραδείγματα αυτής της εξέλιξης είναι τα πληροφοριακά δίκτυα του διαδικτύου και τα κοινωνικά δίκτυα που περιέ- χουν εκατομμύρια ή και δισεκατομμύρια ακμές και κόμβους. Η ανάλυση τέτοιων γράφων, που αντιπροσωπεύουν τέτοιο πλήθος εξελισσόμενης και διασυνδεδεμένης πληροφορίας, βρίσκει πολλαπλές εφαρμογές. Η ανάλυση δομών στα σύγχρονα κοι- νωνικά δίκτυα, η μελέτη καταναλωτικών προτύπων σε ηλεκτρονικά καταστήματα και η ανάλυση των αλληλεπιδράσεων πρωτεϊνών σε βιοϊατρικά δίκτυα είναι λίγα μόνο παραδείγματα. Στον τομέα των γράφων, υπάρχει μεγάλο πλήθος αλγορίθμων που κύριο σκοπό έχουν την εξαγωγή μετρικών και την κατάταξη στοιχείων του γράφου ανάλογα με αυτές. Παρόλα αυτά, οι γράφοι αυτοί δεν περιέχουν καμία πληροφορίας σχετικά με την εξέλιξη των στοιχείων τους στην πάροδο του χρόνου. Σε αυτή την εργασία, αναλύονται πολλαπλοί τρόποι μετατροπής τέτοιων αλγορίθμων και δομών, με κύριο στόχο την εφαρμογή τους σε γράφους οι οποίοι εξελίσσονται στον χρόνο. Τέτοιοι γράφοι περιέχουν πληροφορία που δεν μπορεί να εξαχθεί με την χρήση των στατι- κών αλγορίθμων. Αρχικά αναλύεται η δυνατότητα μετατροπής ενός από τους κυριότερους αλγορίθμους μέτρησης ομοιότητας κόμβων σε γράφους, του SimRank, προκειμένου να εξάγει την ίδια πληροφορία, αποτελεσματικά, από χρονικά εξελισσόμενους γράφους. Στη συνέχεια μελετώνται, με τον ίδιο στόχο, αλγόριθμοι για την μέτρηση απόστασης, κεντρικότητας και διαμέτρου. Τέλος, παρουσιάζονται τα αποτελέσματα αυτών των μετατροπών και αναλύεται η αποτελεσματικότητά τους μέσω της εφαρμογής τους σε πραγματικά, εξελισσόμενα δεδομένα. Κύριος στόχος αυτής της εργασίας είναι να παρουσιάσει την σημαντικότητα της με- τατροπής υπαρχόντων αλγορίθμων ώστε να δουλεύουν σε εξελισσόμενα δεδομένα καθώς και της αποτελεσματικότητα μίας τέτοιας μετατροπής.el
heal.advisorNameΠιτουρά, Ευαγγελίαel
heal.committeeMemberNameΠιτουρά, Ευαγγελίαel
heal.committeeMemberNameΤσαπάρας, Παναγιώτηςel
heal.committeeMemberNameΜαμουλής, Νικόλαοςel
heal.academicPublisherΠανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικήςel
heal.academicPublisherIDuoi-
heal.numberOfPages57 σ.-
heal.fullTextAvailabilitytrue-
Appears in Collections:Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΜΥ

Files in This Item:
File Description SizeFormat 
Μ.Ε. ΚΟΥΡΣΟΥΜΗΣ ΑΝΤΩΝΙΟΣ 2017.pdf250.1 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons