Network based data oriented methods for application driven problems

Előnézet	PDF (disszertáció) Download (11MB) | Előnézet
Előnézet	PDF (tézisfüzet) Download (990kB) | Előnézet
Előnézet	PDF (tézisfüzet) Download (995kB) | Előnézet

Magyar nyelvű absztrakt

A hálózatok csodálatosak. Néhány közülük megtalálható az élet majdnem minden területén, a szociológiától kezdve a pénzügyi és biológiai folyamatokon keresztül egészen az emberi testig. A hálózatok jelenléte még az olyan entitások esetében is megfigyelhető, amelyek között természetes értelemben véve nem feltétlenül van kapcsolat, azonban egy a tulajdonságaik alapján definiált kapcsolati struktúrájukat leíró hálózat definiálható, lehetővé téve ezzel a tudás teljesen új módon történő kifejezését. A hálózat mint struktúra nemcsak érdekes és komplex matematikai kérdéseket vet fel, de segítségével rejtett, addig nem ismert tudás is kinyerhető a valós adatból. Az adatból, amely napjainkban az egyik legértékesebb nyersanyaggá lépett elő. A társadalommal kapcsolatos különböző tevékenységek és ezek mögöttes folyamatai hatalmas mennyiségű adatot hoznak létre, amely a napjainkban jelenlevő technológiai tudás segítségével a rendelkezésünkre áll. Mindazonáltal elmondható, hogy az adat a benne lévő tudás ismerete nélkül nem képvisel értéket, ezért az elmúlt évtizedekben a fő hangsúly azon volt, hogy hogyan tudunk kinyerni tudást és információt a meglévő adatokból. Következésképpen az adatelemzés és az adattudomány, valamint az adatközpontú módszertanok vezető kutatási területekké váltak mind a tudományos, mind az ipari területeken. A dolgozatban a szerző hatékony algoritmusokat mutat be hálózattudományon alapuló modellekre épülő alkalmazás-orientált optimalizálási és adatelemzési feladatok megoldására. A dolgozat fő gondolata az, hogy ezeket a feladatokat a hálózatalapú megközelítés mentén kapcsoljuk össze. A feladatok egészen a meglévő rendszeren történő epidemiológiai modellezéstől, fertőzésterjedési mechanizmusok megértésén és fertőzés-/befolyásterjedés maximalizálásán vagy minimalizálásán át, a pénzügyi alkalmazásokig terjednek.

Absztrakt (kivonat) idegen nyelven

Networks are amazing. If you think about it, some of them can be found in almost every single aspect of our life from sociological, financial and biological processes to the human body. Even considering entities that are not necessarily connected to each other in a natural sense, can be connected based on real life properties, creating a whole new aspect to express knowledge. A network as a structure implies not only interesting and complex mathematical questions, but the possibility to extract hidden and additional information from real life data. The data that is one of the most valuable resources of this century. The different activities of the society and the underlying processes produces a huge amount of data, which can be available for us due to the technological knowledge and tools we have nowadays. Nevertheless, the data without the contained knowledge does not represent value, thus the main focus in the last decade is to generate or extract information and knowledge from the data. Consequently, data analytics and science, as well as data-driven methodologies have become leading research fields both in scientific and industrial areas. In this dissertation, the author introduces efficient algorithms to solve application oriented optimization and data analysis tasks built on network science based models. The main idea is to connect these problems along graph based approaches, from virus modelling on an existing system through understanding the spreading mechanism of an infection/influence and maximize or minimize the effect, to financial applications, such as fraud detection or cost optimization in a case of employee rostering.

Tétel nézet