Synergien aus Graph-Theorie und Data-Mining für fortgeschrittene Analysen von Netzwerkdaten

Beschreibung:

Graphentheorie und Datenanalyse sind fundamental wichtige Grundlagen der Informatik, welche zusammen eine neue Forschungsrichtung bilden. Im Bereich der Graphenanalyse werden komplexe Netzwerke (z.B. aus sozialen Netzwerken, Zitationsdatenbanken, Sensoren oder Produktempfehlungen) untersucht. Das Ziel von Graphenanalyse ist, diese Netzwerkdaten mit automatisierten Methoden auszuwerten. Hierbei sollen komplexe Muster in Graphen entdeckt werden, aber gleichzeitig auch die Skalierbarkeit der Algorithmen für große Datenbestände gewährleistet werden. Die Veranstaltung bietet eine übergreifende Betrachtung von Techniken in folgenden Bereichen:

  • Zentralitätsmaße (z. B. Betweenness und PageRank)
  • Graphclustering zur Gruppierung von ähnlichen Graphstrukturen
  • Epidemische Algorithmen zur Informationsausbreitung
  • Vorhersage von zukünftigen Verbindungen/Verknüpfungen

Diese Themenschwerpunkte sollen jeweils an Beispielen realer Netzwerke diskutiert werden. Eine individuelle Komplexitätsanalyse soll die Schwächen oder Stärken bestimmter Verfahren für große Datenmengen aufzeigen. Übergreifend soll die Skalierbarkeit im Vergleich zu den anderen Techniken diskutiert werden. Effiziente Approximationen von komplexen Modellen zur Graphenanalyse sind für heutige Datenmengen unerlässlich. Es soll deshalb auch die Abwägung zwischen Qualität und Laufzeit im Seminar diskutiert werden. Die Veranstaltung wird gemeinsam mit dem Institut für Theoretische Informatik angeboten. Wir erwarten große Synergien aus Theorie und Praxis für die Analyse großer Graphen, welche den Studenten in diesem gemeinsamen Seminar vermittelt werden sollen.