Community Detection and Stochastic Block Models
A közösségek felismerésének területe az 1980-as évek óta nagymértékben bővült, és a különböző közösségekben, például a gépi tanulásban, az informatikában, a hálózattudományban, a társadalomtudományokban és a statisztikai fizikában kifejlesztett modellek és algoritmusok figyelemre méltó sokféleségével.
Különböző alapvető kérdések azonban továbbra is tisztázatlanok, például: Valóban léteznek közösségek? Az algoritmusok kiadhatnak közösségi struktúrákat, de vajon ezek értelmesek vagy csak műalkotások? Mindig ki tudjuk-e vonni a közösségeket, ha azok teljesen, részlegesen jelen vannak? És mi a jó viszonyítási alap az algoritmusok teljesítményének mérésére, és mennyire jók a jelenlegi algoritmusok? Ez a monográfia a blokkmodellekkel összefüggésben ismerteti az e kérdések megválaszolását célzó legújabb fejlesztéseket. A szerző információelméleti szempontból foglalkozik a kérdésekkel, és átfogóan ismerteti azokat a történeti és legújabb munkákat, amelyek a közösségek felismerésének különböző helyreállítási követelményeihez kapcsolódó kulcsfontosságú új fogalmakhoz vezettek.
A monográfia kompakt bevezetést nyújt a közösségek detektálásába, amely lehetővé teszi az olvasó számára, hogy ezeket a technikákat olyan alkalmazásokban alkalmazza, mint a szociológiai viselkedés megértése, fehérjék közötti kölcsönhatások génexpressziók ajánló rendszerek orvosi prognózis. DNS 3D hajtogatás képszegmentálás, természetes nyelvi feldolgozás, termék-vevő szegmentálás, weboldalak rendezése és még sok más.
