Data mining in social network analysis
| Název práce v češtině: | Dobývání znalostí při analýze sociálních sítí |
|---|---|
| Název v anglickém jazyce: | Data mining in social network analysis |
| Klíčová slova: | dobývání znalostí|analýza sociálních sítí|insolvenční rejstřík|strukturovaná data|nestrukturovaná data |
| Klíčová slova anglicky: | data mining|knowledge discovery|social network analysis|insolvency register|structured data|unstructured data |
| Akademický rok vypsání: | 2014/2015 |
| Typ práce: | disertační práce |
| Jazyk práce: | angličtina |
| Ústav: | Katedra teoretické informatiky a matematické logiky (32-KTIML) |
| Vedoucí / školitel: | doc. RNDr. Iveta Mrázová, CSc. |
| Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 26.09.2014 |
| Datum zadání: | 26.09.2014 |
| Datum potvrzení stud. oddělením: | 26.01.2015 |
| Datum a čas obhajoby: | 28.03.2024 09:00 |
| Datum odevzdání elektronické podoby: | 15.12.2023 |
| Datum odevzdání tištěné podoby: | 21.12.2023 |
| Datum proběhlé obhajoby: | 28.03.2024 |
| Oponenti: | prof. Ing. Peter Drotár, Ph.D. |
| Petra Vidnerová | |
| Zásady pro vypracování |
| Student se bude zabývat problematikou využití technik z oblasti dobývání znalostí při analýze (velkých) sociálních sítí, např. webu. V této souvislosti se posluchač zaměří zejména na studium (adaptivních) technik vhodných pro efektivní analýzu multimediálních dat a jejich nasazení v praxi coby podpůrného prostředku pro vlastní evaluaci analyzované sociální sítě. Navržené modely a vyvinuté metody uchazeč implementuje a otestuje s cílem rozpoznat meze jejich praktické použitelnosti. |
| Seznam odborné literatury |
| 1. Některé z dostupných základních učebnic, resp. přehledových článků vhodných pro zvolené téma, např.:
- B. Liu: Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, Springer, (2007). - S. Chakrabarti: Mining the Web: Discovering Knowledge from Hypertext Data, Morgan Kaufmann, (2003). - P. Berka: Dobývání znalostí z databází, Academia, (2003). - Y. Bengio: Learning Deep Architectures for AI, in: Foundations and Trends in Machine Learning, Vol. 2., No. 1 (2009) pp. 1-127. 2. Články: - S. Brin and L. Page: The Anatomy of a Large-Scale Hypertextual Web Search Engine, in: Computer Networks, Vol. 30 (1-7), (1998), pp. 107-117. - P. Doreian, V. Batagelj, A. Ferligoj: Positional Analyses of Sociometric Data, in: P. J. Carrington, J. Scott, S. Wassermann: Models and Methods in Social Network Analysis, Cambridge University Press, (2005) pp. 77-97. - K.-L. Du: Clustering: A neural network approach, in: Neural Networks, Vol. 23 (2009) pp. 89-107. - G. W. Flake, S. Lawrence, C. L. Giles and F. Coetzee: Self-Organization of the Web and Identification of Communities, in: IEEE Computer, Vol. 35(3), (2002), pp. 61-71. - J. Kleinberg: Authoritative Sources in a Hyperlinked Environment, in: Journal of the ACM, Vol. 46 (5), (1999), pp. 604-632. - X. Li, B. Liu and P. S. Yu: Discovering Overlapping Communities of Named Entities, in: Proc. of PKDD´06, 2006. - P. S. Yu, X. Li and B. Liu: Adding the Temporal Dimension to Search - A Case Study in Publication Search, in: Proc. of Web Intelligence (WI´05), (2005), pp. 543-549. - Y. LeCun, L. Bottou, Y. Bengio, P. Haffner: Gradient-Based Learning Applied to Document Recognition, in: Proc. of the IEEE, vol. 86, no. 11 (Nov. 1998) pp. 2278-2324. - D. Erhan, A. Courville, Y. Bengio, P. Vincent: Why Does Unsupervised Pre-training Help Deep Learning?, in: Proceedings of the Thirteenth International Conference on Artificial Intelligence and Statistics (AISTATS 2010), Vol. 9 (2010) pp. 201-208. - M. A. Ranzato, Y.-L. Boureau, Y. LeCun: Sparse Feature Learning for Deep Belief Networks, in: Advances in Neural Information Processing Systems (NIPS 2007), 2007 3. Aktuální články z profilujících světových časopisů, např.: Data Mining and Knowledge Discovery, IEEE Transactions on Knowledge and Data Engineering, Machine Learning ap. |