Промежуточные отчетные презентации студентов по дипломам и курсовым будут заслушаны
3 курс — 22 декабря (понедельник) в 18.30
4 и 5 курсы — 23 декабря (вторник) в 19.00
Каждый студент должен подготовить короткую презентацию (не более 4 минут) с постановкой задачи, проделанной работой и планом дальнейшей работы. Презентация должна быть согласована с научным руководителем.
P.S. Напоминаю, в этом году все дипломы должны быть готовы до 30 апреля (требование кафедры).
Community structure is one of the most important and characteristic features of social networks. Numerous methods for discovering implicit user communities from a social graph of users have been proposed in recent years. However, most of them have performance and scalability issues which make them hardly applicable to population-wide analysis of modern social networks (billions of users and growing).
We present EgoLP – an efficient and fully distributed method for social community detection. The method is based on propagating community labels through the network with the help of friendship groups of individual users. Experimental evaluation of Apache Spark implementation of the method showed that it outperforms some state-of-the-art methods in terms of
a) similarity of extracted communities to the reference ones from synthetic networks;
b) precision of user attributes prediction in Facebook based solely on community memberships;
c) likelihood of the discovered community structure according to the proposed generative model.
At the same time, the method retains near-linear complexity in the number of edges and is thus applicable to social graphs of up to 10^9 users.
Speaker: Anton Korshunov
Презентация: modis-egolp
Доклад посвящён системе NetBlox, разработанной в отделе информационных систем для исследования сложных сетей, включая определение и анализ их модульной (кластерной) структуры. Основным приложением системы в настоящий момент является исследование сообществ пользователей социальных сетей. Известно множество программных пакетов, позволяющих моделировать и исследовать графы, но возможности кластерного анализа в большинстве из них достаточно ограничены, равно как и возможности расширения доступного набора инструментов.
NetBlox позволяет применять различные алгоритмы кластеризации с последующей визуализацией и детальным анализом найденных кластеров, исследовать известную структуру кластеров сети, исследовать зависимость качества кластеризации от используемых алгоритмов и их параметров, генерировать случайные графы с известной структурой кластеров для расширенного тестирования алгоритмов кластеризации, а также применять другие методы анализа структуры связей в исследуемых сетях. Кроме того, система позволяет добавлять новые алгоритмы изучения сложных сетей, способы оценки качества результатов их работы, а также способы анализа заранее известной или алгоритмически найденной структуры кластеров.
Докладчик: Илья Филоненко
Видео: http://www.youtube.com/watch?v=kK2Ul7DbB1w
Презентация: доклад по NetBlox (слайды)