Introduction to Network Science - Cheatsheet.pdf

Introduction to Network Science - Cheatsheet
Introduction to Network Science - Cheatsheet Definition und Klassifikation von Netzwerktypen Definition: Netzwerktypen sind Kategorien von Netzwerken, die basierend auf bestimmten Merkmalen klassifiziert werden. Dies hilft, unterschiedliche Netzwerke zu analysieren und zu verstehen. Details: Reguläres Netzwerk: Netzwerke mit regelmäßiger, periodischer Struktur. Zufallsnetzwerk (Erdős-Rényi): Netzw...

© StudySmarter 2024, all rights reserved.

Introduction to Network Science - Cheatsheet

Definition und Klassifikation von Netzwerktypen

Definition:

Netzwerktypen sind Kategorien von Netzwerken, die basierend auf bestimmten Merkmalen klassifiziert werden. Dies hilft, unterschiedliche Netzwerke zu analysieren und zu verstehen.

Details:

  • Reguläres Netzwerk: Netzwerke mit regelmäßiger, periodischer Struktur.
  • Zufallsnetzwerk (Erdős-Rényi): Netzwerke, bei denen Kanten zufällig zwischen Knoten gezogen werden.
  • Kleinwelt-Netzwerk (Watts-Strogatz): Netzwerke, die kurze Pfade und hohe Clustering-Koeffizienten aufweisen.
  • Skalierbares Netzwerk (Barabási-Albert): Netzwerke mit Knoten, die nach einem skalierten Gesetz verbunden werden, oft „Power-law“ Verteilung.
  • Hierarchisches Netzwerk: Netzwerke mit Ebenen oder hierarchische Struktur.

Grundlegende Netzwerkkomponenten: Knoten und Kanten

Definition:

Knoten (Nodes) sind die grundlegenden Bausteine eines Netzwerks und repräsentieren Entitäten, z.B. Personen, Computer. Kanten (Edges) sind Verbindungen zwischen Knoten und repräsentieren Beziehungen oder Interaktionen.

Details:

  • Knoten: Eingekreiste Punkte
  • Kanten: Linien zwischen Knoten
  • Graph: Bestehend aus Knoten und Kanten
  • Adjazenzmatrix: \(A = [a_{ij}]\) Darstellung von Verbindungen

Graphentheorie: Grundbegriffe und Typen von Graphen

Definition:

Details:

  • Graph: Menge von Knoten (Vertices) und Kanten (Edges).
  • Gerichteter Graph (Digraph): Kanten haben eine Richtung.
  • Ungerichteter Graph: Kanten haben keine Richtung.
  • Gewichteter Graph: Kanten haben Gewichte.
  • Multigraph: Mehrere Kanten zwischen zwei Knoten möglich.
  • Schleifenkanten (Loops): Kanten, die einen Knoten mit sich selbst verbinden.
  • Adjazenzmatrix: Matrixdarstellung eines Graphen.
  • Knotenmenge \(V\), Kantenmenge \(E\).
  • Pfad: Folge von Knoten, deren benachbarte Paare durch Kanten verbunden sind.
  • Kreis: Geschlossener Pfad, d.h. erster und letzter Knoten sind identisch.
  • Zusammenhängender Graph: Jeder Knoten ist erreichbar von jedem anderen Knoten.
  • Bipartiter Graph: Knotenmenge in zwei disjunkte Mengen teilbar, sodass jede Kante zwischen diesen Mengen verläuft.

Algorithmen der Graphentheorie: Dijkstras Algorithmus

Definition:

Dijkstra's Algorithmus: Finde kürzeste Wege in einem gewichteten Graphen vom Startknoten zu allen anderen Knoten.

Details:

  • Eingabe: Graph G = (V, E) mit Kantenlängen (nicht-negativ), Startknoten s
  • Ausgabe: Minimalen Distanzen von s zu allen Knoten in V
  • Initialisiere \texttt{dist}(s) = 0 und \texttt{dist}(v) = \text{\texttt{∞}} für alle anderen v in V
  • Verwende Prioritätswarteschlange (Min-Heap)
  • Entferne den Knoten mit der kleinsten Entfernung aus der Warteschlange und aktualisiere die Distanzen der Nachbarknoten
  • Schritt wiederholen, bis Warteschlange leer
  • Komplexität: O((|V| + |E|)\texttt{log}|V|) mit Binärem Heap

Netzwerkmetriken: Zentralität, Clusterbildung

Definition:

Details:

  • Zentralität: Messung der Wichtigkeit oder des Einflusses eines Knotens im Netzwerk.
    • Degree-Zentralität: Anzahl der direkten Verbindungen eines Knotens.
    • Betweenness-Zentralität: Häufigkeit, mit der ein Knoten auf den kürzesten Pfaden zwischen anderen Knoten liegt.
    • Closeness-Zentralität: Durchschnittliche kürzeste Entfernung eines Knotens zu allen anderen Knoten.
    • Eigenvector-Zentralität: Bedeutung eines Knotens basierend auf der Bedeutung seiner Nachbarn.
  • Clusterbildung: Bewertung der Gruppierungsneigung in einem Netzwerk.
    • Clustering-Koeffizient (lokal): Maß für die Wahrscheinlichkeit, dass die Nachbarn eines Knotens untereinander verbunden sind.
    • Clustering-Koeffizient (global): Durchschnitt aller lokalen Clustering-Koeffizienten im Netzwerk.

Erkennung von Gemeinschaften in Netzwerken

Definition:

Erkennung von Gemeinschaften (oder Clustering) in Netzwerken bedeutet, Gruppen von Knoten zu identifizieren, die untereinander dichter verbunden sind als mit dem Rest des Netzwerks.

Details:

  • Modularität: Maß für die Dichte von Verbindungen innerhalb von Gemeinschaften im Vergleich zu Verbindungen zwischen Gemeinschaften.
  • Algo-Methoden: z. B. Girvan-Newman-Algorithmus, Louvain-Algorithmus, spektrale Methoden.
  • Aufteilung vs. Verschachtelung: Gemeinschaften können disjunkt oder hierarchisch (verschachtelt) sein.
  • Resolutionslimit: Feinheit, mit der kleine Gemeinschaften erkannt werden können.

Dynamische Netzwerkanalyse und Temporalität

Definition:

Analyse von Netzwerken, die sich über die Zeit ändern; Temporalität bezieht sich auf zeitliche Aspekte in Netzwerkanalysen.

Details:

  • Erfassen von zeitabhängigen Veränderungen in Netzwerken
  • Darstellung: Zeitgeordnete Graphen, zeitsensitive Metriken
  • Wichtige Konzepte: Zeitscheiben (time slices), Zeitstempel (timestamps)
  • Metriken: Zeitabhängige Zentralität, Persistenz, Netzwerkfluss

Anwendungen von Netzwerken in der Informatik: PageRank-Algorithmus

Definition:

Bewertungsalgorithmus für Webseiten, basierend auf deren Verlinkungsstruktur.

Details:

  • Entwickelt von Google-Gründern Larry Page und Sergey Brin.
  • Bestimmt die Relevanz einer Webseite durch die Anzahl und Qualität der eingehenden Links.
  • Nutzung einer Übergangsmatrix und des Konzeptes der Markow-Ketten.
  • Iterative Berechnung bis zur Konvergenz der Rangwerte.
  • Formel: \[ PR(A) = \frac{1-d}{N} + d \left( \sum_{i=1}^{N} \frac{PR(T_i)}{C(T_i)} \right) \] wobei \[ d \] der Dämpfungsfaktor ist, \[ PR(A) \] der PageRank der Seite A, \[ T_i \] Seiten, die auf Seite A verlinken, und \[ C(T_i) \] die Anzahl der ausgehenden Links von Seite \[ T_i \].
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden