Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/6895
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorŞahin, Serapen_US
dc.contributor.authorÖztürk, Elif-
dc.dateinfo:eu-repo/date/embargoEnd/2019-01-16
dc.date.accessioned2018-04-17T06:52:32Z
dc.date.available2018-04-17T06:52:32Z
dc.date.issued2017-12
dc.identifier.citationÖztürk, E. (2017). Analysis of feature pattern mining approaches on social network: A case study on Facebook. Unpublished master's thesis, İzmir Institute of Technology, İzmir, Turkeyen_US
dc.identifier.urihttp://hdl.handle.net/11147/6895
dc.descriptionThesis (Master)--Izmir Institute of Technology, Computer Engineering, Izmir, 2017en_US
dc.descriptionFull text release delayed at author's request until 2019.01.16en_US
dc.descriptionIncludes bibliographical references (leaves: 54-57)en_US
dc.descriptionText in English; Abstract: Turkish and Englishen_US
dc.description.abstractPattern mining algorithms obtain patterns frequently seen in a database and complex graphs which are available from gene networks to social networks. Complex graphs contain lots of valuable information on their nodes or edges. For this reason, pattern mining algorithms can be used to extract data from complex networks. However, these algorithms usually work on the graphs whose nodes have a single label. If these algorithms are implemented on multi labeled (multi-attributed) complex graphs, their complexities belong to NP-Complete. For this reason, in this study, different approaches have been evaluated to find patterns. The goal is to understand related methods and algorithms with their pros and cons to obtain common feature patterns from multi-attributed complex graphs. We also selected Facebook social network complex graph data set (SNAP - Stanford University FaceBook anonymized data set) as an application domain and we analyzed the most frequent feature patterns on friendship relations.en_US
dc.description.abstractGünümüzde, kompleks çizgeler gen ağlarından sosyal ağlara kadar her alanda bulunmaktadır. Kompleks çizgeler diğer yapılara göre daha fazla veri içerdiğinden, kompleks çizgelerin madenciliği sonucunda daha anlamlı ve değerli bilgiler elde edilebilir. Bu çalışmada kompleks çizgelerden ortak özelliklere sahip örüntüler elde edilmek istenmiştir. Örüntü madenciliği algoritmaları bir veritabanından sıklıkla görülen örüntülerin elde edilmesini sağlar. Bu nedenle kompleks ağlardan veri elde edebilmek için örüntü madenciliği algoritmaları kullanılabilir. Ancak bu algoritmalar genellikle düğümleri tek etikete sahip olan çizgeler üzerinde çalışmaktadır. Bu algoritmalar, sosyal ağ çizgeleri gibi çok etiketli kompleks çizgelere uygulandığında maalesef algoritmaların karmaşıklık derecesi NP-tam sınıfına ait olmaktadır. Bu nedenle, bu çalışma kapsamında ilgili çizge algoritmaları, çizgenin veri setlerine dönüştürülmesi ve dönüşüm sonrası oluşturulan data setinde standart desen bulma algoritmalarının kullanılması gibi yöntemler incelenmiştir. Bu yöntemler güçlü ve zayıf yönleri ile, çok etiketli kompleks çizgelerinde desen analizi hedefi için değerlendirilmiştir. Bu çalışma sürecinde, uygulama alanı olarak Facebook SNAP veri seti kullanılmış, arkadaşlık ilişkilerinde en yüksek sıklıkla görülen ortak etiket deseni araştırılmıştır.en_US
dc.format.extentx, 61 leavesen_US
dc.language.isoenen_US
dc.publisherIzmir Institute of Technologyen_US
dc.rightsinfo:eu-repo/semantics/embargoedAccessen_US
dc.subjectFacebooken_US
dc.subjectSocial networksen_US
dc.subjectPattern mining algorithmsen_US
dc.titleAnalysis of feature pattern mining approaches on social network: A case study on Facebooken_US
dc.title.alternativeSosyal ağlarda özellik örüntü madenciliği yaklaşımlarının analizi: Facebook üzerinde durum çalışmasıen_US
dc.typeMaster Thesisen_US
dc.institutionauthorÖztürk, Elif-
dc.departmentIzmir Institute of Technology. Computer Engineeringen_US
dc.request.emailelife.042@gmail.com
dc.request.fullnameElife Öztürk
dc.relation.publicationcategoryTezen_US
item.openairetypeMaster Thesis-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.languageiso639-1en-
item.fulltextWith Fulltext-
item.grantfulltextopen-
item.cerifentitytypePublications-
Appears in Collections:Master Degree / Yüksek Lisans Tezleri
Files in This Item:
File Description SizeFormat 
T001698.pdfMasterThesis4.6 MBAdobe PDFThumbnail
View/Open
Show simple item record

CORE Recommender

Page view(s)

34
checked on Jan 17, 2022

Download(s)

32
checked on Jan 17, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.