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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Semi-supervised Learning for Multi-target Regression Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Visualization for Streaming Telecommunications Networks

verfasst von : Rui Sarmento, Mário Cordeiro, João Gama

Erschienen in: New Frontiers in Mining Complex Patterns

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Regular services in telecommunications produce massive volumes of relational data. In this work the data produced in telecommunications is seen as a streaming network, where clients are the nodes and phone calls are the edges. Visualization techniques are required for exploratory data analysis and event detection. In social network visualization and analysis the goal is to get more information from the data taking into account actors at the individual level. Previous methods relied on aggregating communities, k-Core decompositions and matrix feature representations to visualize and analyse the massive network data. Our contribution is a group visualization and analysis technique of influential actors in the network by sampling the full network with a top-k representation of the network data stream.

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 Mining Positional Data Streams
Nächstes Kapitel Temporal Dependency Detection Between Interval-Based Event Sequences
Literatur
1.
Abello, J., van Ham, F.: Matrix zoom: A visual interface to semi-external graphs. In: Proceedings of the IEEE Symposium on Information Visualization, INFOVIS 2004, pp. 183–190. IEEE Computer Society, Washington, DC (2004)
2.
Barabási, A.-L.: The origin of bursts and heavy tails in human dynamics. Nature 435, 207–211 (2005)CrossRef
3.
Charikar, M., Chen, K., Farach-Colton, M.: Finding frequent items in data streams. In: Widmayer, P., Triguero, F., Morales, R., Hennessy, M., Eidenbenz, S., Conejo, R. (eds.) ICALP 2002. LNCS, vol. 2380, pp. 693–703. Springer, Heidelberg (2002) CrossRef
4.
5.
Cormode, G., Muthukrishnan, S.: What’s hot and what’s not: tracking most frequent items dynamically (2003)
6.
Demaine, E.D., López-Ortiz, A., Munro, J.I.: Frequency estimation of internet packet streams with limited space. In: Möhring, R.H., Raman, R. (eds.) ESA 2002. LNCS, vol. 2461, pp. 348–360. Springer, Heidelberg (2002) CrossRef
7.
Elmqvist, N., Do, T.-N., Goodell, H., Henry, N., Fekete, J.-D.: ZAME: Interactive large-scale graph visualization. In: IEEE Press, editor, IEEE Pacific Visualization Symposium 2008, Kyoto, Japan, pp. 215–222. IEEE (2008)
8.
Gama, J.: Knowledge Discovery from Data Streams, 1st edn. Chapman and Hall/CRC, Boca Raton (2010)CrossRefMATH
9.
Gillespie, C.S.: Fitting heavy tailed distributions: the poweRlaw package, R package version 0.20.5 (2014)
10.
van Ham, F., Schulz, H.-J., Dimicco, J.M.: Honeycomb: Visual analysis of large scale social networks. In: Gross, T., Gulliksen, J., Kotzé, P., Oestreicher, L., Palanque, P., Prates, R.O., Winckler, M. (eds.) INTERACT 2009. LNCS, vol. 5727, pp. 429–442. Springer, Heidelberg (2009) CrossRef
11.
Hanneman, R.A., Riddle, M.: Introduction to Social Network Methods. University of California, Riverside (2005)
12.
Henry, N., Fekete, J.D.: Graphics matrixexplorer: a dual-representation system to explore social networks. IEEE Trans. Visual Comput. 12, 677–684 (2006)CrossRef
13.
Joyent Inc. Node js (2013). Accessed October 2013
14.
Jacomy, A.: Sigma js (2013). Accessed October 2013
15.
Jacomy, M.: Forceatlas2, the new version of our home-brew layout (2013). Accessed 21 December 2013
16.
Lee, B., Plaisant, C., Parr, C.S., Fekete, J.-D., Henry, N.: Task taxonomy for graph visualization. In: Proceedings of the 2006 AVI Workshop on BEyond Time and Errors: Novel Evaluation Methods for Information Visualization, BELIV 2006, pp. 1–5. ACM, New York (2006)
17.
Venturini, T., Jacomy, M., Heymann, S., Bastian, M.: Forceatlas2, a graph layout algorithm for handy network visualization (2011). Accessed 29 December 2013
18.
Manku, G.S., Motwani, R.: Approximate frequency counts over data streams. In: Proceedings of the 28th International Conference on Very Large Data Bases (2002)
19.
Metwally, A., Agrawal, D., El Abbadi, A.: Efficient computation of frequent and top-k elements in data streams. In: Eiter, T., Libkin, L. (eds.) ICDT 2005. LNCS, vol. 3363, pp. 398–412. Springer, Heidelberg (2005) CrossRef
20.
Shi, L., Cao, N., Liu, S., Qian, W., Tan, L., Wang, G., Sun, J., Lin, C.-Y.: Himap: Adaptive visualization of large-scale online social networks. In: Eades, P., Ertl, T., Shen, H.-W. (eds.) PacificVis, pp. 41–48. IEEE Computer Society (2009)
Metadaten
Titel
Visualization for Streaming Telecommunications Networks
verfasst von
Rui Sarmento
Mário Cordeiro
João Gama
Copyright-Jahr
2015
Buch
New Frontiers in Mining Complex Patterns

Print ISBN: 978-3-319-17875-2

Electronic ISBN: 978-3-319-17876-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-17876-9_8