Retrieving Data and Analysis Based on Using Multipartite Networks

Abstract

Ranking of vertices is an important part of social network analysis. However, thanks to the enormous growth of real-world networks, the global ranking of vertices on a large scale does not provide easily comparable results. On the other hand, the ranking can provide clear results on a local scale and also in heterogeneous networks where we need to work with vertices of different types. In this paper, we present a method of ranking objects in a community which is closely related to the analysis of heterogeneous information networks. Our method assumes that the community is a set of several groups of objects of different types where each group, so-called object pool, contains objects of the same type. These community object pools can be connected and ordered to the chain of influencers, and ranking can be applied to this structure. Based on the chain of influencers, the heterogeneous network can be converted to a multipartite graph. In our approach, we show how to rank vertices of the community using the mutual influence of community object pools. In our experiments, we worked with a computer science research community. Objects of this domain contain authors, papers (articles), topics (keywords), and years of publications.

Ranking je důležitou součástí analýzy sociálních sítí. Díky obrovskému růstu těchto sítí však nemusí být výsledky globálního rankingu jednoduše porovnatelné. Na druhou stranu může ranking předvést přehledné výsledky na lokální úrovni a také v heterogenních sítích, kde potřebujeme pracovat s vrcholy různých typů. V této práci představíme metodu rankingu objektů v komunitě, což je problém blízký analýze heterogenních informačních sítí. Naše metoda předpokládá, že komunita je množina několika skupin objektů různých typů, kde každá skupina, takzvaný pool, obsahuje objekty stejného typu. Tyto komunitní pooly objektů mohou být spojeny a seřazeny do takzvaných chain of influencers (řetězců vlivu), a následně hodnoceny na základě této struktury. Na základě principu chain of influencers můžeme převést heterogenní informační sít na vícepartitní graf. V této práci ukazujeme, jak je možné ohodnotit vrcholy komunity s použitím vzájemných vlivů mezi objekty jednotlivých typů. V našich experimentech pracujeme s komunitami akademiků v oblasti informatiky. Objetky v této komunitě mohou být autoři, publikace, témata publikací a roky publikací.