Počet záznamů: 1

Social Group Identification and Clustering

  1. 1.
    0328067 - UIVT-O 2010 RIV US eng C - Konferenční příspěvek (zahraniční konf.)
    Húsek, Dušan - Řezanková, H. - Dvorský, J.
    Social Group Identification and Clustering.
    [Výpočetní aspekty sociálních sítí.]
    Computational Aspects of Social Networks. Los Alamitos: IEEE Computer Society, 2009 - (Abraham, A.; Snášel, V.; Wegrzyn-Wolska, K.), s. 73-79. ISBN 978-0-7695-3740-5.
    [CASoN 2009. International Conference on Computational Aspects of Social Networks. Fontainbleu (FR), 24.07.2009-27.07.2009]
    Grant CEP: GA ČR GA205/09/1079
    Výzkumný záměr: CEZ:AV0Z10300504
    Klíčová slova: social group identification * cluster analysis * Boolean factor analysis * cluster number determination
    Kód oboru RIV: BB - Aplikovaná statistika, operační výzkum

    Some methods for object group identification applicable for social group identification are compared. We suppose that people are characterized by their actions, for example the deputies are characterized by their voting habits. We are interested in binary data analysis (e.g. the result of voting is yes or not). The dataset consisting of the roll-call votes records in the Russian parliament in 2004 was analyzed. Methods of hierarchical and fuzzy clustering, and Boolean factor analysis are applied. In the first case, we propose two-step analysis in which factor loadings (as result of factor analysis of objects) obtained in the first step are interpreted by cluster analysis in the second step. For the cluster number determination both traditional and modified coefficients are used. Further, we suggest using Hopfield-like neural network based Boolean factor analysis for this purpose. This proposed method gives the best results in the case of deputies grouping.

    Jsou porovnány některé významné metody pro identifikaci skupin objektů aplikovatelné na sociální skupiny. Předpokládá se, že lidé se vyznačují jejich akcemi, například pro poslance je charakteristické jejich hlasování. K porovnání jsou použita binární data vzniklá coby záznam hlasování v ruském parlamentu v roce. Studovány jsou metody hierarchického a fuzzy shlukování, dále pak metoda booleovské faktorové analýzy. V prvním shlukování navrhujeme dvou-krokovou analýzu, v níž jsou vstupem pro shlukování faktorové zátěže získané jako výsledek faktorové analýzy objektů. Pro stanovení počtu shluků jsou užity standardní i modifikovaná kritéria. Nejlepší výsledky při identifikaci sociálních skupin poskytla na Hopfieldově síti založená Booleovská faktorová analýza, proto ji autoři doporučují použít k tomuto účelu.
    Trvalý link: http://hdl.handle.net/11104/0174472