Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Social Network Analysis: History, Concepts, and Research Kapitel lesen Erstes Kapitel lesen

2010 | OriginalPaper | Buchkapitel

12. Detecting Communities in Social Networks

verfasst von : Tsuyoshi Murata

Erschienen in: Handbook of Social Network Technologies and Applications

Verlag: Springer US

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

There are many practical examples of social networks such as friendship networks or co-authorship networks. Detecting dense subnetworks from such networks are important for finding similar people and understanding the structure of factions. This chapter explains the definitions of communities, criteria for evaluating detected communities, methods for community detection, and actual tools for community detection.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Online Identities and Social Networking
Nächstes Kapitel Concept Discovery in Youtube.com Using Factorization Method
Literatur
1.
Barber, M. J., Modularity and community detection in bipartite networks, Physical Review E, 76(066102), 1–9, 2007MathSciNet
2.
Chakrabarti, D., Kumar, R., Tomkins, A., Evolutionary Clustering, Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD06), pp. 554–560, 2006
3.
4.
Clauset, A., Newman, M. E. J., Moore, C., Finding community structure in very large networks, Physical Review E, 70(066111), 1–6, 2004
5.
Danon, L., Diaz-Guilera, A., Duch, J., Arenas, A., Comparing community structure identification, Journal of Statistical Mechanics, P09008, 1–10, 2005
6.
7.
Fortunato, S., Barthelemy, M., Resolution limit in community detection, Proceedings of the National Academy of Sciences (PNAS), 104(1), 36–41, 2007
8.
Girvan, M., Newman, M. E. J., Community structure in social and biological networks Proceedings of the National Academy of Sciences (PNAS), 99(12), 7821–7826, 2002
9.
Guimera, R., Sales-Pardo, M., Amaral, L. A. N., Module identification in bipartite and directed networks, Physical Review E, 76(036102), 1–8, 2007
10.
Leskovec, J., Lang, K. J., Dasgupta, A., Mahoney, M. W., community structure in large networks: Natural cluster sizes and the absence of large well-defined clusters, arXiv:0810.1355, http://​arxiv.​org/​abs/​0810.​1355, 2008
11.
Lin, Y.-R., Chi, Y., Zhu, S., Sundaram, H., Tseng, B. L., FacetNet: A Framework for Analyzing Communities and Their Evolutions in Dynamic Networks, Proceedings of the 17th International World Wide Web Conference (WWW2008), pp. 685–694, 2008
12.
Newman, M. E. J., Modularity and community structure in networks, Proceedings of the National Academy of Sciences (PNAS), 103(23), 8577–8582, 2006
13.
14.
Newman, M.E.J., Girvan, M., Finding and evaluating community structure in networks, Physical Review E, 69(026113), 1–16, 2004
15.
Palla, G., DerE’nyi, I., Farkas, I., Vicsek, T., Uncovering the overlapping community structure of complex networks in nature and society, Nature 435, 814–818, 2005CrossRef
16.
17.
18.
Xu, J., Chen, H., The topology of dark networks, Communications of the ACM, 51(10), 58–65, 2008CrossRef
19.
Zhou, H., Network landscape from a Brownian particlefs perspective, Physical Review E 67(041908), 1–5, 2003
Metadaten
Titel
Detecting Communities in Social Networks
verfasst von
Tsuyoshi Murata
Copyright-Jahr
2010
Verlag
Springer US
Buch
Handbook of Social Network Technologies and Applications

Print ISBN: 978-1-4419-7141-8

Electronic ISBN: 978-1-4419-7142-5

Copyright-Jahr: 2010

DOI
https://doi.org/10.1007/978-1-4419-7142-5_12

Premium Partner

    Bildnachweise