A comparative analysis of two most recent dynamic community tracking methods

Abstract

Real world networks are intrinsically dynamic, and they are mostly represented by dynamic graphs in virtual world. Analysis of these dynamic network data can give valuable information for decision support systems in many domains in criminology, politics, health, advertising and social networks etc. Community tracking is important to analyze and understand the dynamics of the group structures and predict the near futures of communities. With a successful analysis of these data, software engineering tools and decision support systems can produce more successful results for end users. In this study, we present a comparative study of two important and recent community tracking methods in terms of accuracy, algorithmic complexity and their characteristics. We use a benchmark dataset which have ground truth community information detected each time step as a test bed.

Gerçek dünya ağları doğaları gereği dinamiktirler ve sanal ortamlarda çoğunlukla dinamik çizgelerle temsil edilirler. Bu dinamik ağlardaki verilerin analizi kriminoloji, politika, sağlık, reklamcılık ve sosyal ağlar vb. gibi pek çok alanda karar destek sistemleri için değerli bilgilerin elde edilmesine katkıda bulunur. Toplulukların takibi, ağda bulunan toplulukların dinamizmini ve eğilimlerini analiz etmek, anlamak ve bu toplulukların yakın geleceklerinin kestirimi için çok önemlidir. Bu verilerin başarılı bir şekilde analiz edilmesi halinde yazılım mühendisliği araçları ve karar destek sistemleri son kullanıcılar için daha sağlıklı sonuçlar üretir. Bu çalışmada, seçtiğimiz iki önemli ve güncel yöntemi doğruluğu, algoritmik karmaşası ve genel özellikleri bakımından karşılaştırmalı olarak inceledik. Biz bu çalışmada topluluk takibi üzerine geliştirilmiş ve her basamakta tespit edilen topluluk bilgisini içeren sentetik veri kümeleri kullandık.