Konzepte und Methoden zum visuellen Data Mining von sozialen Beziehungsnetzwerken f�r Community-Unterst�tzung

Thomas Pernpeintner, 2006
Diplomarbeit am Lehrstuhl für Angewandte Informatik an der Technischen Universit�t M�nchen

Zusammenfassung

Online-Communities erfreuen sich zunehmend gro�er Beliebtheit. Menschen tauschen Nachrichten aus, legen Pers�nlichkeitsprofile an und treten in Kontakt mit anderen Mitgliedern. Die Profile und Aktivit�ten der Mitglieder werden in der Community gespeichert. Bei einer Mitgliederstarken Community werden so enorme Datenmengen erzeugt, die in textueller Form un�bersichtlich und f�r Explorationszwecke zu unpraktisch sind. Daher wird in dieser Arbeit ein generisches Konzept entworfen, das Community-Daten graphisch darstellt um visuelles Data Mining zu erm�glichen. Das Konzept umfasst ein Datenmodell, das die Personen mit ihren Profilen und den Beziehungen untereinander abbildet. Durch eine standardisierte Schnittstelle wird ein Datenbestand gem�� dem Modell aufgebaut. Mit geeigneten Methoden wird eine graphische Darstellung des sozialen Beziehungsnetzwerks generiert, die der Anwender anhand von Filtermethoden interaktiv erforschen kann. Ziel der Visualisierung ist die Exploration der Daten um Gruppenbildungen von Personen anhand von verschiedenen Verbindungskriterien zu erkennen. F�r die Community-Mitglieder erm�glicht die Anwendung die gezielte Suche nach Personen und Gruppen mit gewissen Eigenschaften, die sie m�glicherweise noch nicht kennen gelernt haben. Abschlie�end wird die konkrete Implementierung der Visualisierungs-Anwendung skizziert und der Datenbestand der Community Drehscheibe importiert und visuell dargestellt.

Inhaltsverzeichnis

Kapitel 1: Einleitung

Ziel der Arbeit

Aufbau der Arbeit

Kapitel 2: Grundlagen

Soziales Netzwerk

Community

Visuelles Data Mining

Methoden der Daten-Visualisierung

Analyse von sozialen Netzwerken

Beispiele f�r Communities

Kapitel 3: Generisches Konzept

Analyse des Umfelds

Vorgehensmodell

Kapitel 4: Die Datenschicht

Datenmodell

Person

Eigenschaft

Verbindung

Zeitlicher Verlauf der Community

Aufbau eines Datenbestands gem�� dem Datenmodell

Anforderungen an die Datenquelle

Schnittstelle zur Community

Datenformat

Transport der Daten

Import der Daten

Kapitel 5: Steuerungsschicht

Gewichtung von Personen

Filterverfahren

Personenfilter

Verbindungsfilter

Kapitel 6: Visualisierungsschicht

Visualisierung der Personen

Visualisierung der Verbindungen

Dynamische Anordnung der Knoten

Kapitel 7: Implementierung

Datenimport und Verwaltung

Graphische Benutzerschnittstelle

Anbindung an Cobricks

Cobricks Modell f�r Benutzer und Benutzerattribute

Dokumentgenerierung im Schnittstellenformat

Beispiel TUM-Drehscheibe

Kapitel 8: Fazit und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Gesamtumfang: 94 Seiten

Beispiel: Visualisierung einer Community (Java Applet)

Die Diplomarbeit inkl. Implementierung kann per email erworben werden. Bei Interesse lasse ich Ihnen gerne ein Angebot zukommen.




	Konzepte und Methoden zum visuellen Data Mining von sozialen Beziehungsnetzwerken f�r Community-Unterst�tzung Thomas Pernpeintner, 2006 Diplomarbeit am Lehrstuhl für Angewandte Informatik an der Technischen Universit�t M�nchen Zusammenfassung Online-Communities erfreuen sich zunehmend gro�er Beliebtheit. Menschen tauschen Nachrichten aus, legen Pers�nlichkeitsprofile an und treten in Kontakt mit anderen Mitgliedern. Die Profile und Aktivit�ten der Mitglieder werden in der Community gespeichert. Bei einer Mitgliederstarken Community werden so enorme Datenmengen erzeugt, die in textueller Form un�bersichtlich und f�r Explorationszwecke zu unpraktisch sind. Daher wird in dieser Arbeit ein generisches Konzept entworfen, das Community-Daten graphisch darstellt um visuelles Data Mining zu erm�glichen. Das Konzept umfasst ein Datenmodell, das die Personen mit ihren Profilen und den Beziehungen untereinander abbildet. Durch eine standardisierte Schnittstelle wird ein Datenbestand gem�� dem Modell aufgebaut. Mit geeigneten Methoden wird eine graphische Darstellung des sozialen Beziehungsnetzwerks generiert, die der Anwender anhand von Filtermethoden interaktiv erforschen kann. Ziel der Visualisierung ist die Exploration der Daten um Gruppenbildungen von Personen anhand von verschiedenen Verbindungskriterien zu erkennen. F�r die Community-Mitglieder erm�glicht die Anwendung die gezielte Suche nach Personen und Gruppen mit gewissen Eigenschaften, die sie m�glicherweise noch nicht kennen gelernt haben. Abschlie�end wird die konkrete Implementierung der Visualisierungs-Anwendung skizziert und der Datenbestand der Community Drehscheibe importiert und visuell dargestellt. Inhaltsverzeichnis Kapitel 1: Einleitung Ziel der Arbeit Aufbau der Arbeit Kapitel 2: Grundlagen Soziales Netzwerk Community Visuelles Data Mining Methoden der Daten-Visualisierung Analyse von sozialen Netzwerken Beispiele f�r Communities Kapitel 3: Generisches Konzept Analyse des Umfelds Vorgehensmodell Kapitel 4: Die Datenschicht Datenmodell Person Eigenschaft Verbindung Zeitlicher Verlauf der Community Aufbau eines Datenbestands gem�� dem Datenmodell Anforderungen an die Datenquelle Schnittstelle zur Community Datenformat Transport der Daten Import der Daten Kapitel 5: Steuerungsschicht Gewichtung von Personen Filterverfahren Personenfilter Verbindungsfilter Kapitel 6: Visualisierungsschicht Visualisierung der Personen Visualisierung der Verbindungen Dynamische Anordnung der Knoten Kapitel 7: Implementierung Datenimport und Verwaltung Graphische Benutzerschnittstelle Anbindung an Cobricks Cobricks Modell f�r Benutzer und Benutzerattribute Dokumentgenerierung im Schnittstellenformat Beispiel TUM-Drehscheibe Kapitel 8: Fazit und Ausblick Literaturverzeichnis Abbildungsverzeichnis Gesamtumfang: 94 Seiten Beispiel: Visualisierung einer Community (Java Applet) Die Diplomarbeit inkl. Implementierung kann per email erworben werden. Bei Interesse lasse ich Ihnen gerne ein Angebot zukommen.
	weitere Seiten des Betreibers: jazz band münchen Sitemap Impressum © 2006 hosted by pernpeintner.net