ग्राफ और नेटवर्क माइनिंग (Mining Graphs and Networks)
ग्राफ सेट, अनुक्रम, लैटिस, और ट्री की तुलना में तंत्र का एक अधिक सामान्य वर्ग परिभाषित करते हैं। इंटरनेट और सोशल नेटवर्क, डेटा नेटवर्क, जैविक वेब, बायोइनफॉरमैटिक्स, केमिकल इन्फॉरमैटिक्स, कंप्यूटर विजन, और मल्टीमीडिया और कंटेंट रिट्रीवल में ग्राफ अनुप्रयोगों की एक विस्तृत श्रृंखला है। ग्राफ और नेटवर्क माइनिंग के अनुप्रयोग निम्नलिखित हैं:
1. ग्राफ पैटर्न माइनिंग (Graph Pattern Mining)
यह एक या ग्राफ के सेट में लगातार सबग्राफ की माइनिंग है। ग्राफ पैटर्न माइनिंग के लिए विभिन्न दृष्टिकोणों को एप्रोरी-आधारित और पैटर्न ग्रोथ-आधारित दृष्टिकोण में वर्गीकृत किया जा सकता है।
यह बंद ग्राफ के सेट को माइन कर सकता है जहां एक ग्राफ g बंद है यदि कोई उपयुक्त सुपरग्राफ g' मौजूद नहीं है जो g के समान समर्थन गिनती उत्पन्न करता है। इसके अलावा, कई प्रकार के ग्राफ पैटर्न हैं, जैसे अनुमानित लगातार ग्राफ, सुसंगत ग्राफ, और घने ग्राफ। उपयोगकर्ता-परिभाषित बाधाओं को माइनिंग दक्षता बढ़ाने के लिए ग्राफ पैटर्न माइनिंग चरण में गहराई से चलाया जा सकता है।
2. नेटवर्क का सांख्यिकीय मॉडलिंग (Statistical Modeling of Networks)
एक नेटवर्क में नोड्स का एक सेट शामिल होता है, प्रत्येक एक वस्तु के बराबर होता है जो गुणों के एक सेट से संबंधित होता है, और उन नोड्स को जोड़ने वाले किनारों (या लिंक) का एक सेट, वस्तुओं के बीच संबंधों का वर्णन करता है।
एक नेटवर्क समरूप है यदि कुछ नोड्स और लिंक समान प्रकार के हैं, जिसमें एक मित्र नेटवर्क, एक सह-लेखक नेटवर्क, या एक इंटरनेट पेज नेटवर्क शामिल है। एक नेटवर्क विषम है यदि नोड्स और कनेक्शन विभिन्न प्रकार के हैं, जिसमें प्रकाशन नेटवर्क (लेखकों, सम्मेलनों, पत्रों, और पाठ को जोड़ना), और स्वास्थ्य देखभाल नेटवर्क (डॉक्टरों, नर्सों, रोगियों, बीमारियों, और उपचारों को जोड़ना) शामिल हैं।
3. सूचना नेटवर्क विश्लेषण द्वारा डेटा सफाई, एकीकरण, और सत्यापन
सूचना अतिरेक एक विशाल नेटवर्क में परस्पर जुड़े डेटा के कई तत्वों के बीच मौजूद हो सकता है। ऐसे नेटवर्क में सूचना अतिरेक का विश्लेषण गुणवत्ता डेटा सफाई, डेटा एकीकरण, डेटा सत्यापन, और नेटवर्क विश्लेषण द्वारा भरोसेमंदता खोज को लागू करने के लिए किया जा सकता है।
4. ग्राफ और समरूप नेटवर्क का क्लस्टरिंग और क्लासिफिकेशन
क्लस्टर विश्लेषण विधियों को विशाल नेटवर्क पर विकसित किया गया है ताकि नेटवर्क तंत्र को उजागर किया जा सके, छिपे हुए समुदायों, हब्स, और आउटलायर्स को नेटवर्क टोपोलॉजिकल तंत्र और उनके संबंधित गुणों के आधार पर ढूंढा जा सके। कई प्रकार के नेटवर्क क्लस्टरिंग विधियों को विकसित किया गया है और उन्हें पार्टीशनिंग, हायरार्किकल, या घनत्व-आधारित एल्गोरिदम के रूप में वर्गीकृत किया जा सकता है।
5. विषम नेटवर्क का क्लस्टरिंग, रैंकिंग, और क्लासिफिकेशन
एक विषम नेटवर्क में कई प्रकार के परस्पर जुड़े नोड्स और कनेक्शन शामिल होते हैं। ऐसा परस्पर जुड़ा तंत्र समृद्ध डेटा शामिल करता है, जिसका उपयोग नोड्स और लिंक्स को पारस्परिक रूप से सुधारने और एक प्रकार से दूसरे में अवलोकन प्रसारित करने के लिए किया जा सकता है।
ऐसे विषम वेब का क्लस्टरिंग और रैंकिंग इस संदर्भ में निकटता से जुड़े हुए हैं कि एक क्लस्टर में उच्च रैंक वाले नोड्स अपने निम्न-रैंक समकक्षों की तुलना में क्लस्टर के सामंजस्य की गणना में अधिक योगदान दे सकते हैं।
