Komunity a jejich detekce v sociálních sítích

Abstract

Analýza sociálních sítí se dá využít ke zkoumání struktury společnosti, jejího vývoje a chování lidí v ní. V této bakalářské práci jsme se zaměřili především na detekci komunit v sociálních sítích. Představili jsme základní způsoby analýzy významných vrcholů v síti. Rozebrali jsme několik různých přístupů k detekci komunit - detekce hierarchické struk- tury sítě, překrývajících se komunit a komunit v dynamických sítích. Představili jsme funkci zvanou modularita a její využití při detekci komunit. Práce se následně blíže za- měřuje na implementaci několika algoritmů (Lovaňský algoritmus, algoritmus klastrování pomocí hran, SCAN, DSCAN) v jazyce Python s použitím knihovny NetworkX. Tyto algoritmy jsme následně aplikovali na e-mailovou síť zaměstnanců firmy Enron. V práci jsme se pokusili odhalit komunity v této síti a vliv událostí, které zasáhly firmu, na jejich strukturu. 1

Social networks analysis can be used to study the society's structure, its development and the people's behavior. In this bachelor thesis, we focus mainly on detecting commu- nities in social networks. We introduce the basic methods for significant nodes analysis. We discuss several different approaches to detecting communities, namely detecting hi- erarchical network structure, overlapping communities and communities in dynamic ne- tworks. We introduce a function called 'modularity' and describe its use in community detection. The work then focuses on implementing several algorithms (Louvain algorithm, Link clustering algorithm, SCAN, DSCAN) in Python using the NetworkX library. We then applied the algorithms to Enron employees e-mail network and attempted to reveal communities in it and describe how their structure was affected by major events in the company. 1