Detekce překrývajících se komunit ve složitých sítích

Abstract

Tato bakalářská práce nastiňuje problematiku analýzy dat pomocí detekce komunit ve složitých sítích. V práci jsou popsány vybrané metody detekce nepřekrývajících se a překrývajících se komunit, jak na unipartitních grafech, tak na bipartitních grafech. Přínosem práce je mimo jiné sjednocení formalizmu, ve kterém jsou vybrané metody detekce komunit představeny. Vyniknou tak jejich společné vlastnosti i rozdíly. První část práce představuje komunity v grafech a jejich detekci v klasickém pojetí, jako disjunktní podmnožiny dat. Následně práce pojednává o metodách detekce komunit s překryvy, kdy může být datový objekt členem více komunit najednou. V závěru rešeršní části jsou metody klasické detekce komunit rozšířeny a upraveny pro použití na bipartitních grafech. Po teoretickém úvodu následuje experimentální část, ve které jsou metody porovnány při aplikaci na syntetická data.

The thesis outlines problems of data analysis using community detection methods in complex networks. Selected methods of detecting non-overlapping and overlapping communities on unipartite graphs, as well as on the bipartite ones, are described. The contribution of this work is, among other things, the unification of formalism, in which selected methods of community detection are introduced. Both their common features and diťferences emerge. The first part of the thesis presents communities on graphs and their detection following the classical concept, as a disjoint subset of data. Subsequently, the thesis deals with methods of detecting communities with overlaps where the data object can be a member of multiple communities. At the end of the research section, the methods of classical community detection are expanded and adapted for use on bipartite graphs. The theoretical introduction is followed by the experimental part in which the methods are compared when applied to synthetic data.