Social network reduction based on stability
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F10%3A86085130" target="_blank" >RIV/61989100:27240/10:86085130 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/CASoN.2010.120" target="_blank" >http://dx.doi.org/10.1109/CASoN.2010.120</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/CASoN.2010.120" target="_blank" >10.1109/CASoN.2010.120</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Social network reduction based on stability
Popis výsledku v původním jazyce
The analysis of social networks is concentrated especially on uncovering hidden relations and properties of network members (vertices). Most of the current approaches are focused mainly on different network types and different network coefficients. On one hand, the analysis can be relatively simple; on the other hand some complex approaches to network dynamics can be used. This paper introduces a novel aspect of network analysis based on the so-called Forgetting Curve. For network vertices and edges, wedefine two coefficients, which describe their role in the network depending on their long-term behavior. Using one of these parameters we reduce the network to smaller components. We provide some experimental results using DBLP dataset. Our research illustrates the usefulness of the proposed approach.
Název v anglickém jazyce
Social network reduction based on stability
Popis výsledku anglicky
The analysis of social networks is concentrated especially on uncovering hidden relations and properties of network members (vertices). Most of the current approaches are focused mainly on different network types and different network coefficients. On one hand, the analysis can be relatively simple; on the other hand some complex approaches to network dynamics can be used. This paper introduces a novel aspect of network analysis based on the so-called Forgetting Curve. For network vertices and edges, wedefine two coefficients, which describe their role in the network depending on their long-term behavior. Using one of these parameters we reduce the network to smaller components. We provide some experimental results using DBLP dataset. Our research illustrates the usefulness of the proposed approach.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA102%2F09%2F1494" target="_blank" >GA102/09/1494: Nové metody přenosu dat založené na turbo kódech</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
2010 International Conference on Computational Aspects of Social Networks
ISBN
978-0-7695-4202-7
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
509-514
Název nakladatele
IEEE Computer Society
Místo vydání
Los Alamitos
Místo konání akce
Taiyuan
Datum konání akce
26. 10. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—