Vorwort

Dieses Online-Buch entstand im Rahmen des Proseminars „Algorithmen für die Entdeckung von Gemeinschaften in sozialen Netzwerken“, welches im Wintersemester 2021/22 angeboten wurde. In Gruppen wurden insgesamt sieben Beiträge erstellt. Dabei wurden die Studierenden in das wissenschaftliche Arbeiten und Schreiben eingeführt. Das Ergebnis ist die 5. Auflage des Online-Buchs.

Schon seit Jahren nimmt die Bedeutung der Analyse von Daten in sozialen Netzwerken zu. Ein Grund, warum Donald Trump 2016 die US-Wahl gewinnen konnte, war die Analyse von Daten der US-Amerikaner aus sozialen Netzwerken durch die Firma „Cambridge Analytika“. In dieser Auflage soll es darum gehen wie gut Overlapping Community Detection Algorithmen auf verschiedene öffentlich zugänglichen Datensätze laufen können.

1. Datenformate und -speicherung

Der erste Artikel dieser Auflage wird von Ziming Suo, Yunjia Chen und Wei Wei geschrieben. Die Autoren beschäftigen sich mit der Optimierung von Datenspeicherung durch Rekonstruktion von Adjazenzmatrizen nach Meinungsführern.

2. Synthetische Datensätze

Jan Mortell, Yorck Degens und Eda Erusta vergleichen vier Algorithmen auf mithilfe des LFR-Benchmarks erstellten synthetischen Datensätzen. Ihr Ziel ist, das Benchmark als ein hilfsreiches Mittel zu verbessern.

3. Datensätze für soziale Netzwerke

Der von Fidelius Lula, Fubang Wu und Sven Lenhart erstellte Kapitel behandelt vier aus sozialen Netzwerken genommenen Datensätze und wendet darauf drei OCD-Algorithmen an, deren Effizienz auf dieser Art Datensätze so geprüft wird.

4. Datensätze für signierte soziale Netzwerke

Dieser Kapitel ist dem letzten ähnlich, indem soziale Netzwerke in Frage kommen. Julius Pollack, Yakup Tümkaya und Johannes Gaidetzka rücken eher das Thema der signierten Netzwerke ins Rampenlicht. Vier Datensätze werden mit drei Signed Algorithmen untersucht und die drei werden auf Effizienz geprüft.

5. Ground Truth-Datensätze

Dieser Artikel von Florian Bünker und Svetoslav Apostolov hat als Ziel, vier für reale und soziale Netzwerke geeignete Algorithmen zu vergleichen, indem sie auf sowohl Ground Truth-, als auch nicht Ground Truth-Datensätze angewendet werden. Mit den Ergebnissen davon wird die Verwendbarkeit der Algorithmen zwecks Ground Truth Community Detection.

6. BigData

Die Arbeit von Daniel Toups wirft einen tiefen Einblick auf drei Frameworks, die den Umgang mit großen Datensätzen erlauben, und bewertet sie in Effizienz.

7. Datensätze für Multilayer-Netzwerke

Der letzte Kapitel im Online-Buch wird von Paul Winter und Sven Farwig verfasst. Der zentrale Punkt dieser Arbeit ist die Untersuchung von Multilayer-Netzwerken und ihren Besonderheiten.

Es gab neben den vertikalen Teams, die die oben genannten Beiträge geschrieben haben, auch horizontale Teams. Wir als Herausgeberteam waren für die Erinnerrungen von Abgabefristen zuständig. Dafür haben wir vor einem Abgabetermin sieben Tage, drei Tage und ein Tag im voraus erinnert. Dies hat fast immer gut funktioniert. Wir sollten auch die Kommunikation der verschiedenen Teams sicherstellen. Dazu haben wir auf Slack Kanäle erstellt, die aber nicht so oft wie sonst möglich verwendet wurden. Außerdem war unsere Aufgabe dieses Vorwort zu schreiben. Die anderen Teams haben sich um verschiedene Aspekte von den Aussehen, Formatierung und Werbung dieses Online-Buchs gekümmert. Diese Aufteilung hat allen Mitgliedern ermöglicht, mit etwas mehr als reinem Forschen beizutragen. Die Talents jeder Person sind umfassungsreich benutzt worden. Deshalb funktioniert das Buch besser und sieht auch eleganter aus.

Vielen Dank an Priv.-Doz. Dr. rer. nat. Ralf Klamma, Kim Fidomski, Michal Slupczynski und Maximilian Kißgen für Ihr Verständnis und Ihre Fachkenntnisse, die uns Schritt für Schritt geholfen haben. Herzlichen Dank auch an die Teams, die jede Frist eingehalten haben, eine Menge von wichtigen Recherchen durchgeführt haben und die Arbeit an diesem Online-Buch bequem und reibungslos gemacht haben.

Aachen, im Februar 2022

Johannes Gaidetzka, Svetoslav Apostolov und Wei Wei