Front-end_dev

Graph maker : www.graphmaker.cf 현재기능 : matrix 저장 및 불러오기degree distribution 보기shortest path 찾기sub graph 찾기png foramt으로 graph 저장

개요 : 컴퓨터공학의 많은 분야중 일부를 뽑아 하나의 네트워크로 도식화한 후에 어떠한 특성이있는지 Social Network Analysis에 근거하여 분석.* 그래프의 각 노드들이 연결맺는 데이터관계는 본인이 임의로 생성함. 1. 데이터를 불러와 무방향그래프로 그렸고, 각 핵심분야는 컬러를 입혔음. 2. maximal clique를 그려봤는데 VR과 AR이 아주 밀접하게 그래픽스와 선형대수를 기반으로하는 기술이라는것이 보여짐. 3. A라는 분야가 B라는 분야와 얼마나 밀접한지를 보여줌. 4. 각 분야가 얼마나많은 직접적인 edge를 갖는지를 보여준다. 그래픽스가 가장많고 그다음은 웹이다. 5. 이 네트워크에서 각분야들을 각각의 커뮤니티로 분류했다. (커뮤니티분류 알고리즘마다 클러스터링하는것에 차이가있다..

PageRank알고리즘에대해 정말 잘 설명해놓은 블로그 : https://sungmooncho.com/2012/08/26/pagerank/ PageRank알고리즘에서 왜 EigenVector가 언급되는지 이제야 알 것 같다.EigenVector Centrality는 네트워크에서 중요한 노드에 연결된 노드가 중요하다는 관점에서 착안된 중심성인데, PageRank 알고리즘은 높은rank값을 갖고있는 웹페이지로부터 특정링크가 노출될때와 똑같은 이야기이다. PageRank 알고리즘의 가장 대표적인 예가 논문인용인데, 논문인용에서는 damping factor를 0.85로잡고(많은연구끝에 0.85로 수렴한듯함), 0.15를 random walk 상수값으로 두었다. R에서의 간단한구현 # V는 논문인용,피인용을 행렬..

실행흐름 실행화면