Rudarenje podataka o znanstvenoj suradnji iz baze google scholar

diplomski rad

• Naslov (engleski): Mining scientific collaboration data from the google scholar database
• Autor: Elena Murljačić
• Mentor: Luka Grubišić (mentor)
• Član povjerenstva: Luka Grubišić (predsjednik povjerenstva)
• Član povjerenstva: Eduard Marušić-Paloka (član povjerenstva)
• Član povjerenstva: Boris Muha (član povjerenstva)
• Član povjerenstva: Igor Ciganović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2020-09-29, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

U ovom radu analiziramo jednu mrežu suradnje među znanstvenicima. Podaci su preuzeti su sa servisa Google Scholar, te su očišćeni i analizirani. Iz tih podataka stvorena je mreža na način da su dva znanstvenika povezana ako su barem jednom obojica navedeni kao autori nekog znanstvenog rada. Za tu mrežu računamo određene veličine kako bismo proučili svojstva malog svijeta, tranzitivnosti, centralnosti, posjedovanje gigantske komponente i distribuciju stupnja. Mreža pokazuje visoku vrijednost za svojstvo tranzitivnosti, posjeduje gigantsku komponentu i distribucija stupnja ne prati u potpunosti neku poznatu distribuciju. Ne možemo dokazati da mreža posjeduje svojstvo malog svijeta, no mreža ima vrlo mali promjer i prosječnu duljinu najkraćeg puta. Proučavamo vrijednosti za tipove centralnosti te usporedujemo pet najvećih vrijednosti. Nakon toga aproksimiramo mrežu s par teorijskih modela kao što su model Poissonovog slučajnog grafa, konfiguracijski model i model malog svijeta.

Sažetak (engleski)

In this thesis we analyse a scientific collaboration network. The data is downloaded from the service Google Scholar, cleaned and then analysed. The network is created from that data so that two scientists are connected if they are at least once listed as the authors of a paper. For that network we calculate certain quantities so we can study the smallworld property, transitivity, centrality measures, existence of a giant component and degree distribution. The network shows high value for transitivity, has a giant component and the degree distribution does not follow completely any known distribution. We can’t prove that the network has the small-world property but nevertheless it has low values for the diameter and average shortest path length. We analyse values for different types of centrality and we compare five highest values. After that, we approximate the network with a few theoretical model such as Poisson random graph model, the configuration model and the small-world model.

• Ključne riječi: Google Scholar; svojstva malog svijeta; tranzitivnost; centralnost; posjedovanje gigantske komponente; distribuciju stupnja; model Poissonovog slučajnog grafa; konfiguracijski model
• Ključne riječi (engleski): Google Scholar; the smallworld property; transitivity; centrality measures; existence of a giant component; degree distribution; Poisson random graph model; the configuration model; the small-world model
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:806717
• Studijski program: Naziv: Računarstvo i matematika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra računarstva i matematike (mag. inf. et math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2021-03-02 12:31:20