چکيده
شكل گيري قسمت قابل توجهي از تعاملات انسانها بر مبناي دنياي مجازي و شبكه‌هاي اجتماعي باعث بوجود آمدن بانكي غني از تعاملات شده و آن را به منبعي ارزشمند جهت مطالعه و تحليل تبديل كرده است. تحليل شبكه‌هاي اجتماعي به مطالعه، تحليل، بررسي و پيش بيني رفتار اين نوع ساختارها اختصاص دارد. حجم عظيم اين دادهها ايجاب ميكند تا جهت تحليل از روش‌هاي داده‌كاوي استفاده شود. روش‌هاي متنوعي در مبحث داده‌كاوي معرفي شده است اما مورد توجه اين سمينار آن بخش از روش‌هايي است كه به استخراج دانش از گراف يا گراف كاوي تخصيص دارد. يكي از گام‌هاي اساسي جهت كار با چنين حجمي از داده‌هاي چند بعدي، كاهش بعد است. از روش‌هاي كاهش بعد تمركز اين سمينار بر روي استخراج ويژگي است. پيش بيني گراف با توجه به گره‌ها و يالها نيازمند استخراج ويژگيهايي مقياس پذير و قابل انتقال است. به علاوه وجود ارتباطات ميان گره‌ها ايجاب ميكند كه ويژگيهاي استخراج شده مبتني بر اين روابط باشد. روش‌هايي نيز جهت استخراج ويژگي از گرافهاي شبكه‌هاي اجتماعي ارائه شده است كه در اين سمينار مورد بررسي قرار گرفته‌اند. روش‌هاي بديعي جهت استخراج ويژگي بصورت خودكار و بازگشتي نيز مورد بررسي قرار گرفته‌اند كه حاصل آنها ويژگيهايي مبتني بر ساختارو همسايگي گره‌ها است كه در پيش بيني رفتار گراف و استخراج نقش گره‌ها از گراف موثر هستند. استخراج ويژگيهاي مناسب از گراف باعث بهبود كاركرد الگوريتمهاي بكار گرفته شده در تحليل‌گراف چون انواع رده‌بندهاي داده‌هاي شبكهاي ميشود؛ اين نوع ويژگيها و روش‌هاي استخراج آنها در اين سمينار تماما مورد بررسي قرار گرفته‌اند.
