توضیحات
What does the Web look like? How can we find patterns, communities, outliers, in a social network? Which are the most central nodes in a network? These are the questions that motivate this work. Networks and graphs appear in many diverse settings, for example in social networks, computer-communication networks (intrusion detection, traffic management), protein-protein interaction networks in biology, document-text bipartite graphs in text retrieval, person-account graphs in financial fraud detection, and others.
In this work, first we list several surprising patterns that real graphs tend to follow. Then we give a detailed list of generators that try to mirror these patterns. Generators are important, because they can help with ‘what if’ scenarios, extrapolations, and anonymization. Then we provide a list of powerful tools for graph analysis, and specifically spectral methods (Singular Value Decomposition (SVD)), tensors, and case studies like the famous ‘pageRank’ algorithm and the ‘HITS’ algorithm for ranking web search results. Finally, we conclude with a survey of tools and observations from related fields like sociology, which provide complementary viewpoints.
Table of Contents: Introduction / Patterns in Static Graphs / Patterns in Evolving Graphs / Patterns in Weighted Graphs / Discussion: The Structure of Specific Graphs / Discussion: Power Laws and Deviations / Summary of Patterns / Graph Generators / Preferential Attachment and Variants / Incorporating Geographical Information / The RMat / Graph Generation by Kronecker Multiplication / Summary and Practitioner’s Guide / SVD, Random Walks, and Tensors / Tensors / Community Detection / Influence/Virus Propagation and Immunization / Case Studies / Social Networks / Other Related Work / Conclusions
————————————————————–
ترجمه ماشینی :
وب چه شکلی است؟ چگونه میتوانیم الگوها، جوامع، نقاط پرت را در یک شبکه اجتماعی پیدا کنیم؟ مرکزی ترین گره ها در یک شبکه کدامند؟اینها سوالاتی هستند که انگیزه این کار را ایجاد می کنند. شبکهها و نمودارها در بسیاری از تنظیمات مختلف ظاهر میشوند، به عنوان مثال در شبکههای اجتماعی، شبکههای ارتباطی رایانهای (تشخیص نفوذ، مدیریت ترافیک)، شبکههای تعامل پروتئین-پروتئین در زیستشناسی، نمودارهای دوبخشی سند-متن در بازیابی متن، نمودارهای شخص-حساب در امور مالی. کشف تقلب و سایر موارد
در این کار، ابتدا چندین الگوی شگفتانگیز را فهرست میکنیم که نمودارهای واقعی تمایل دارند از آنها پیروی کنند. سپس فهرستی دقیق از ژنراتورهایی که سعی می کنند این الگوها را منعکس کنند، ارائه می دهیم. ژنراتورها مهم هستند، زیرا میتوانند به سناریوهای «چه میشد»، برونیابیها و ناشناسسازی کمک کنند. سپس فهرستی از ابزارهای قدرتمند برای تجزیه و تحلیل گراف و بهویژه روشهای طیفی (تجزیه ارزش واحد (SVD))، تانسورها و مطالعات موردی مانند الگوریتم معروف «pageRank» و الگوریتم «HITS» برای رتبهبندی نتایج جستجوی وب ارائه میکنیم. در نهایت، با بررسی ابزارها و مشاهدات از حوزههای مرتبط مانند جامعهشناسی، که دیدگاههای مکمل را ارائه میکنند، نتیجهگیری میکنیم.
فهرست مطالب: مقدمه / الگوها در نمودارهای استاتیک / الگوها در نمودارهای در حال تحول / الگوها در نمودارهای وزنی / بحث: ساختار نمودارهای خاص / بحث: قوانین و انحرافات قدرت / خلاصه الگوها / مولدهای نمودار / پیوست ترجیحی و انواع / شامل اطلاعات جغرافیایی / Rmat / تولید نمودار توسط ضرب کرونکر / خلاصه و راهنمای پزشک / SVD، پیادهروی تصادفی، و تانسورها / تانسورها / تشخیص جامعه / نفوذ / انتشار ویروس و شبکه ایمن سازی / مطالعات موردی / سایر مطالعات / کار مرتبط / نتیجه گیری
tag : دانلود کتاب نمودار کاوی: قوانین، ابزارها و مطالعات موردی , Download نمودار کاوی: قوانین، ابزارها و مطالعات موردی , دانلود نمودار کاوی: قوانین، ابزارها و مطالعات موردی , Download Graph Mining: Laws, Tools, and Case Studies Book , نمودار کاوی: قوانین، ابزارها و مطالعات موردی دانلود , buy نمودار کاوی: قوانین، ابزارها و مطالعات موردی , خرید کتاب نمودار کاوی: قوانین، ابزارها و مطالعات موردی , دانلود کتاب Graph Mining: Laws, Tools, and Case Studies , کتاب Graph Mining: Laws, Tools, and Case Studies , دانلود Graph Mining: Laws, Tools, and Case Studies , خرید Graph Mining: Laws, Tools, and Case Studies , خرید کتاب Graph Mining: Laws, Tools, and Case Studies ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.