Öz: Sosyal ağlar günümüzde oldukça popüler bir konumda bulunmaktadır. İnsanlar tarafından yoğun olarak kullanılan bir platform halini almıştır. Bu durum yüksek miktarda veri üretimine neden olmaktadır. Bu verilerin anlamlı ve faydalı bir forma dönüştürebilmek için birçok yöntem geliştirilmiştir. Bu yöntemler arasında veri madenciliği teknikleri ilk sıralarda yer almaktadır. Bu çalışmada veri madenciliği ve sosyal ağ yöntemleri kullanılarak yazarların yayınlarında belirtmiş oldukları anahtar kelimelere göre ilgili yazarlar arasındaki çalışma alanı benzerlikleri tespit edilmiştir. Veri seti olarak IDAP 2018(International Conference on Artificial Intelligence and Data Processing) sempozyumunun yayın verileri kullanılmıştır. 536 yazar ve 1188 anahtar kelimeden oluşan veri setine Jaccard, Euclidean, Cosine benzerlik yöntemleri uygulanmıştır ve çalışmalarına göre yazarların yayınları arasındaki benzerlikler analiz edilerek karşılaştırılmıştır. Yazarların sonraki yayınlarında birbirleri ile çalışma yapabilmeleri açısından yönlendirici sonuçlar elde edilmiştir. Verilerin analize uygun forma getirilmesi için SQL Server kullanılırken, analiz ve görsel öğelerin oluşturulması için ise, R dili ve R Studio IDE kullanılmıştır.
Ulaşım ağlarının en kilit bölgeleri yolların kesişim noktalarını oluşturan kavşaklardır. Kavşakların konumu ve bağlandığı yollar trafik akışını etkileyen en önemli etmenlerden birisidir. Bu çalışmada Malatya ili kent merkezi içerisinde bulunan caddeler ve bulvarlar üzerinde bulunan kavşak noktalarının ulaşım sistemi içerisindeki önemi belirlenecektir. Kentin imar planına göre nüfus bilgileri hesaplanmıştır. Nüfusun yüzde 90’ından fazlasına hizmet veren kavşak noktaları seçilmiştir. Malatya kent merkezi için yapılan graf modellemesi 151 kavşak noktası ve bu kavşak noktalarını birleştiren 258 yoldan oluşmaktadır. Graf modellemesine yolların gerçek mesafe uzunlukları metre cinsinden dâhil edilmiştir. Oluşturulan ağırlıklı graf üzerinde Pagerank, Eigenvector centrality, Closeness Centrality, Betweenness Centrality algoritmaları uygulanmıştır. Her algoritmanın kendisine ait özellikleri ve sonuçları ayrıntılı olarak incelenmiştir. Bu 4 algoritmanın kendine özgü özelliklerinin tamamını barındıran homojen birleştirici bir yaklaşım uygulanmış ve başarılı sonuçlar alınmıştır. Bütün algoritmaların sonuçlarına göre kavşak noktalarının merkezlilik değerleri ve en etkili kavşak noktası graf üzerinde gösterilmiştir. Bütün analiz ve görsel işlemleri için R programlama dili kullanılmıştır.
ÖzGraf(Çizge) teorisi veri biliminin gelişmesi ile birçok farklı alanda modelleme ve analiz işlemlerinin gerçekleştirilmesinde kullanılmıştır. Farklı türdeki problemlerin çözümlenmesi için çizge teorisinde çok sayıda algoritma ve yöntem geliştirilmiştir. Bu çalışmada bir çizge yapısı içerisinde bulunan etkili düğümlerin tespit edilmesi amaçlanmıştır. Çizge üzerindeki etkili düğümler sosyal ağlar içerisindeki baskın bireylerin, ulaşım ağları içerisindeki yoğun ve kritik konuma sahip kavşak noktalarının, borsa sistemlerinde birbirini etkileyen firmaların ve seri üretim yapan bir fabrikada otomasyon sisteminin kilit adımlarının tespit edilmesi vb.. birçok farklı alanda çözüm sunmaktadır. Çizgeler üzerindeki etkili düğümlerin tespit edilmesi için çeşitli algoritmalar geliştirilmiştir. Bu çalışmada yönsüz ve ağırlıksız bir çizgedeki etkili düğümlerin tespit edilmesi için yeni bir algoritma önerilmiştir. Ayrıca mevcut etkili düğüm keşfetme algoritmalarından PageRank, Closeness, Eigenvector, Degree merkezlilik ölçütleri ile karşılaştırılması yapılmıştır. Çalışmada algoritmalara ait sonuçlar dikkate alınarak çizgedeki düğümlerin etkili olma sıralamalarına yer verilmiştir. Algoritmanın kodlanması ve görselleştirme işlemleri için R programlama dili kullanılmıştır.
The graph is a data structures and models that used to describe many real-world problems. Many engineering problems, such as safety and transportation, have a graph-like structure and are based on a similar model. Therefore, these problems can be solved using similar methods to the graph data model. Vertex cover problem that is used in modeling many problems is one of the important NP-complete problems in graph theory. Vertex-cover realization by using minimum number of vertex is called Minimum Vertex Cover Problem (MVCP). Since MVCP is an optimization problem, many algorithms and approaches have been proposed to solve this problem. In this article, Malatya algorithm, which offers an effective solution for the vertex-cover problem, is proposed. Malatya algorithm offers a polynomial approach to the vertex cover problem. In the proposed approach, MVCP consists of two steps, calculating the Malatya centrality value and selecting the covering nodes. In the first step, Malatya centrality values are calculated for the nodes in the graph. These values are calculated using Malatya algorithm. Malatya centrality value of each node in the graph consists of the sum of the ratios of the degree of the node to the degrees of the adjacent nodes. The second step is a node selection problem for the vertex cover. The node with the maximum Malatya centrality value is selected from the nodes in the graph and added to the solution set. Then this node and its coincident edges are removed from the graph. Malatya centrality values are calculated again for the new graph, and the node with the maximum Malatya centrality value is selected from these values, and the coincident edges to this node are removed from the graph. This process is continued until all the edges in the graph are covered. It is shown on the sample graph that the proposed Malatya algorithm provides an effective solution for MVCP. Successful test results and analyzes show the effectiveness of Malatya algorithm.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.