Vzorkování síťových dat

Abstract

Diplomová práce popisuje vzorkování grafů a metody, které jsou schopny vytvářet vzorky z reálných sítí. Hlavním cílem práce jsou experimenty nad různými grafovými datovými sadami, jenž jsou vzorkovány popsanými metodami a vyhodnocení výsledků experimentů. Vzorkování grafů je technika výběru podgrafu z původního grafu. V některých případech je dostupný celý graf a cílem je získat vzorek pomocí metod založených na výběru vrcholů nebo hran. V některých případech není celý graf dostupný a vzorkování se provádí s metodami založenými na procházení grafu. Existuje mnoho algoritmů pro výpočet různých metrik grafu, které jsou v případě rozsáhlých grafů výpočetně náročné. V takovém případě je vhodné vytvořit vzorek původního grafu a spustit algoritmus nad tímto vzorkem. Vzorek musí mít obdobné vlastnosti jako původní graf. Sledované vlastnosti grafu a postup měření úspěšnosti metod na základě porovnání vlastností původního grafu a vzorku jsou rovněž v této práci popsány.

This master’s thesis describes sampling network data and methods, which are able to sample real networks. The main goals of this thesis are experiments on various network data sets, which are sampled by the described methods and evaluation of experimental results. Graph Sampling is technique to pick a subset of vertices or edges from original graph. In some cases, the whole graph is known and the goal of sampling is to obtain a smaller sample by the methods based on vertex or edge selection. In other cases, the graph is unknown and the sample is obtained by the methods based on graph exploration. There are many algorithms to compute various measures of graphs, which are computationally expensive. This is the reason to create sample from large original graph and run a computationally expensive algorithm on this sample. The sample must preserve the properties of the original graph. The observed properties of the graph and process of measuring the success of the sampling methods based on the comparison of the properties are also described in this thesis.