Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS
Inhalt archiviert am 2024-05-30
Decomposition and Discovery of Complex Networks

Article Category

Article available in the following languages:

Die Entmystifizierung komplexer Netzwerke

Die Netzwerkanalyse hilft im Umgang mit den heutigen großen und komplexen Systemen und wird kommt in einer Vielzahl von Anwendungen und Disziplinen zum Einsatz. Eine EU-Initiative erforscht Möglichkeiten, aus den Fluten von Informationen, die von diesen Systemen erzeugt werden, einen Sinn zu machen.

Technologische Fortschritte in den Natur- und Sozialwissenschaften ermöglichen Wissenschaftlern, Forschern, Akademikern und anderen Interessengruppen das Sammeln von Daten zu komplexen Netzwerken in einer nie da gewesenen Menge. Geschwindigkeit und die Kapazität dieser enormen Informationsgenerierung werden laufend verbessert. Allerdings fehlen umfangreiche Werkzeuge, um diese Informationen in praktisches Wissen umzuwandeln. Schwerwiegender sind aber daraus entstehende Probleme in Bezug auf die Zuverlässigkeit der Netzwerkdaten, was zu Bedenken über die Legitimität der Ergebnisse aus der Netzwerkforschung führt. Um sich mit diesen Bedenken zu befassen, lieferte das von der EU finanzierte Projekt "Decomposition and discovery of complex networks" (DEDINET) Einblicke in die Prozesse, die die Netzwerkstruktur beeinflussen. Das übergeordnete Ziel war es, einen Rahmen für die Identifizierung von Blockmodellen und Erfassung komplexer Netzwerke zu entwickeln. Blockmodelle dienen als gute Beispiele für Interaktionen zwischen Knoten - einzelne Akteure, Personen oder Sachen in einem Netzwerk. Der daraus resultierende Rahmen soll verwendet werden, um Probleme zu lösen, vor allem in der Systembiologie. Bei der Entwicklung des Rahmenwerks, erarbeiteten die Projektmitglieder Methoden, um Blockmodelle in verschiedenen Arten von biologischen und sozialen Netzwerken mit verschiedenen Knoten und Interaktionen zu testen und zu vergleichen. Die Ergebnisse zeigten, dass mehrere Blockmodelle für die Netzwerkstruktur notwendig sind und dass Interaktionsmuster das Ergebnis von mehreren Blockmodellen zusammen sind. Durch die Erfassung von Blockmodellen konnte das Team fehlende oder zukünftige Daten in Netzwerken vorhersagen und entdecken. DEDINET konnte mehrere ergänzende Blockstrukturen identifizieren, was zu einem besseren Verständnis der grundlegenden Mechanismen hinter der Entwicklung und Strukturierung von Netzwerken führte. Die Ergebnisse werden voraussichtlich große Auswirkungen in Bereichen wie Sozialwissenschaften, Ökonomie und Biologie haben.

Entdecken Sie Artikel in demselben Anwendungsbereich

Mein Booklet 0 0