Im Zeitalter von Web 2.0 ist die Integration der Nutzer für die Gestaltung des World Wide Webs so wichtig wie noch nie. Vor allem Soziale Netzwerke nehmen dort eine zentrale Rolle ein. Deshalb ist die Analyse dieser Netzwerke zu einem interessanten Forschungsgebiet geworden. Im Verlauf der Arbeit werden Ansätze zur Visualisierung vorgestellt, die das Fundament für die Erhaltung von Messwerten bilden. Diese Metriken erlauben es die sozialen Netzwerke zu charakterisieren, was anhand von Beispielen veranschaulicht wird. Insbesondere werden hierbei verschiedene Zentralitätskennzahlen erläutert. Da Gruppen in Netzwerken von besonderer Bedeutung sind, ist es eine der Aufgaben der Netzwerkanalyse diese zu identifizieren. Dafür werden zwei Algorithmen aus dem Bereich der Gruppenidentifikation vorgestellt. Abschließend werden noch grundlegende Methoden aus dem Gebiet des Link Minings beschrieben und mit Anwendungen ergänzt.
Inhaltsverzeichnis
- Kapitel 1 Einleitung
- Kapitel 2 Social Networks
- 2.1 Begriff...
- 2.2 Datenerhebung und Datensammlung für SNA..
- Kapitel 3 Modellierung..
- 3.1 Visualisierung.
- 3.2 Metriken
- 3.3 Centrality.
- 3.3.1 Degree Centrality..
- 3.3.2 Closeness Centrality.
- 3.3.3 Betweenness Centrality.
- 3.3.4 Eigenvector Centrality..
- Kapitel 4 Gruppenidentifikation
- 4.1 Allgemeines...
- 4.2 Link Removal/Girvan-Newman Algorithmus.....
- 4.3 Graph Partitioning/Spectral Clustering ..
- 4.4 Anwendungsbereiche....
- Kapitel 5 Link Mining & Anwendungen...
- 5.1 Object-related Tasks
- 5.1.1 Link-based Object Ranking.
- 5.1.2 Link-based Object Classification.
- 5.1.3 Object Identification
- 5.2 Link-based Tasks.
- 5.2.1 Link Prediction.
- 5.3 Graph-related Tasks.....
- 5.3.1 Subgraph Discovery
- 5.3.2 Graph Classification
- Kapitel 6 Zusammenfassung und Ausblick........
Zielsetzung und Themenschwerpunkte
Die Bachelorarbeit befasst sich mit der Analyse sozialer Netzwerke im Zeitalter von Web 2.0, wobei der Fokus auf der Visualisierung und Charakterisierung dieser Netzwerke liegt. Die Arbeit beleuchtet Ansätze zur Datenerhebung und -verarbeitung sowie verschiedene Methoden zur Analyse der Netzwerkstruktur und der Identifizierung von Gruppen innerhalb der Netzwerke.
- Visualisierung und Modellierung sozialer Netzwerke
- Zentralitätsmetriken zur Charakterisierung von Akteuren in Netzwerken
- Algorithmen zur Identifizierung von Gruppen in sozialen Netzwerken
- Anwendungen und Methoden des Link Minings
- Bedeutung der Analyse sozialer Netzwerke im Kontext von Web 2.0
Zusammenfassung der Kapitel
Kapitel 1 führt in das Thema soziale Netzwerke ein und hebt die Bedeutung der Analyse im Kontext der heutigen Zeit hervor. Kapitel 2 definiert den Begriff "Social Networks" und beleuchtet die Datenerhebung und -verarbeitung in diesem Bereich. Kapitel 3 befasst sich mit der Modellierung von Netzwerken, einschließlich Visualisierungstechniken und verschiedenen Metriken, die insbesondere die Zentralität von Akteuren messen. Kapitel 4 behandelt die Gruppenidentifikation in sozialen Netzwerken und stellt zwei Algorithmen vor, die auf unterschiedlichen Herangehensweisen basieren. Kapitel 5 konzentriert sich auf das Aufgabenfeld des Link Minings und stellt verschiedene Objekt-, Link- und Graphen-basierte Ansätze vor.
Schlüsselwörter
Soziale Netzwerke, Web 2.0, Netzwerkstruktur, Visualisierung, Metriken, Zentralität, Gruppenidentifikation, Link Mining, Data Mining, Algorithmen, Anwendungsbereiche.
Häufig gestellte Fragen
Was ist das Ziel der Social Network Analysis (SNA)?
Ziel ist die Untersuchung und Visualisierung der Strukturen sozialer Beziehungen, um Akteure zu charakterisieren und Gruppen innerhalb von Netzwerken zu identifizieren.
Was versteht man unter Zentralitätskennzahlen?
Metriken wie Degree, Closeness, Betweenness und Eigenvector Centrality messen die Wichtigkeit oder den Einfluss eines einzelnen Akteurs innerhalb eines Netzwerks.
Wie funktioniert der Girvan-Newman Algorithmus?
Dieser Algorithmus dient der Gruppenidentifikation durch das sukzessive Entfernen von Kanten (Links) mit der höchsten Betweenness-Zentralität, um Gemeinschaften freizulegen.
Was ist Link Mining?
Link Mining ist ein Teilbereich des Data Minings, der sich mit der Vorhersage von Beziehungen (Link Prediction) oder der Klassifizierung von Objekten basierend auf ihrer Vernetzung beschäftigt.
Warum ist die SNA im Web 2.0 besonders relevant?
Da Nutzer im Web 2.0 Inhalte selbst gestalten und sich massiv vernetzen, liefern diese Daten wertvolle Erkenntnisse für Marketing, Soziologie und Informationstechnik.
- Quote paper
- Kevin Andreas Chromik (Author), 2011, Social Network Analysis. Methoden zur Analyse von Sozialen Netzwerken, Munich, GRIN Verlag, https://www.grin.com/document/274355
