Интернет конференция по проблемам теории и практики управленияНазвание: Методы выявления сообществ в мультиплексных и темпоральных сетях
Автор: Анастасия Максимовна Ерёменко
Соавторы:
А.М. Ерёменко, В.А. Игнатова
Аннотация:
Целью данной работы является комплексный анализ и практическая адаптация существующих алгоритмов для выявления сообществ в мультиплексных и темпоральных научных сетях. В ходе исследования были систематизированы основные понятия и рассмотрены современные методы кластеризации сетевых структур. Для проведения экспериментов были собраны обширные данные об авторах, публикациях и тематиках исследований из открытой библиометрической платформы OpenAlex. С использованием средств языка программирования Python эти данные были преобразованы и подготовлены для построения специализированных сетевых моделей. Ключевым результатом работы стала разработка модификации алгоритма Лувена, предназначенной специально для работы с мультиплексными многослойными сетями. Адаптированный алгоритм продемонстрировал высокие показатели модульности, что подтверждает его эффективность и перспективность для использования в качестве базового инструмента в будущих исследованиях. Для кластеризации темпоральных сетей были рассмотрены и протестированы алгоритмы Smoothed Graph, Iterative Match и Smoothed Louvain. Применимость алгоритмов и программных библиотек оценивалась на сетях большого объема с использованием метрик модульности, нормированной взаимной информации (NMI) и коэффициента Жаккара. Полученные результаты показали, что лидером по временной согласованности выявленных сообществ является метод Smoothed Graph.
Ключевые слова:
Мультиплексные сети, темпоральные сети, сообщества, алгоритм Лувена, модульность
Автор: Анастасия Максимовна Ерёменко
Соавторы:
А.М. Ерёменко, В.А. Игнатова
Аннотация:
Целью данной работы является комплексный анализ и практическая адаптация существующих алгоритмов для выявления сообществ в мультиплексных и темпоральных научных сетях. В ходе исследования были систематизированы основные понятия и рассмотрены современные методы кластеризации сетевых структур. Для проведения экспериментов были собраны обширные данные об авторах, публикациях и тематиках исследований из открытой библиометрической платформы OpenAlex. С использованием средств языка программирования Python эти данные были преобразованы и подготовлены для построения специализированных сетевых моделей. Ключевым результатом работы стала разработка модификации алгоритма Лувена, предназначенной специально для работы с мультиплексными многослойными сетями. Адаптированный алгоритм продемонстрировал высокие показатели модульности, что подтверждает его эффективность и перспективность для использования в качестве базового инструмента в будущих исследованиях. Для кластеризации темпоральных сетей были рассмотрены и протестированы алгоритмы Smoothed Graph, Iterative Match и Smoothed Louvain. Применимость алгоритмов и программных библиотек оценивалась на сетях большого объема с использованием метрик модульности, нормированной взаимной информации (NMI) и коэффициента Жаккара. Полученные результаты показали, что лидером по временной согласованности выявленных сообществ является метод Smoothed Graph.
Ключевые слова:
Мультиплексные сети, темпоральные сети, сообщества, алгоритм Лувена, модульность