Implementation of graph metrics in relational databases with applications to problems of economics science
| Jazyk: | angličtina |
|---|---|
| Rok vydání: | 2023 |
| Předmět: |
Big Data
Σχεσιακά Συστήματα Βάσεων Δεδομένων Μετρικές Γραφημάτων Economics Οικονομικά Μεγάλα Δεδομένα Κοινωνικές Επιστήμες Data Science Social Sciences Θεωρία Γραφημάτων Δίκτυα Μαθηματικά Πληροφορική Graph Theory Computer Science Graph Metrics Επιστήμη Δεδομένων FOS: Mathematics Networks Mathematics Relational Database Systems |
| DOI: | 10.26262/heal.auth.ir.345078 |
| Popis: | During the last years, networks and graph theory are being used in a variety of scientific fields, reaching out into solutions about complex scientific issues in computer science, biology, mathematics, physics, chemistry, social sciences, economics etc. Specifically, in the fields of economics and data science, metric calculations on huge networks have been used more and more lately. In addition, dealing with big data and its continuous growth, graphs and networks are stored in the secondary memory and consequently it has been really hard for the calculations to be done in main memory. The main goal of the following research is to calculate graph metrics (such as average degree, density, diameter, average clustering coefficient, centrality measures etc) on networks which are stored in relational database systems and study their results and applications in economics. Τα τελευταία χρόνια, τα δίκτυα και η θεωρία γραφημάτων χρησιμοποιούνται σε ποικίλα επιστημονικά πεδία, δίνοντας λύσεις σε πολύπλοκα επιστημονικά ζητήματα της επιστήμης της πληροφορικής, της βιολογίας, των μαθηματικών, της φυσικής, της χημείας, των κοινωνικών επιστημών, των οικονομικών κλπ. Συγκεκριμένα, στους τομείς των οικονομικών και της επιστήμης των δεδομένων, οι μετρικές γραφημάτων σε υπερμεγέθη δίκτυα, με τεράστιο όγκο δεδομένων, χρησιμοποιούνται ολοένα και περισσότερο σήμερα. Επιπλέον, καθώς τα δεδομένα ολοένα και αυξάνονται, τα γραφήματα διατηρούνται στη δευτερεύουσα μνήμη, καθιστώντας έτσι δύσκολο να εκτελεστούν οι υπολογισμοί στην κεντρική μνήμη. Ο κύριος στόχος της εργασίας που ακολουθεί, είναι ο υπολογισμός μετρικών δικτύων (όπως ο μέσος βαθμός, η πυκνότητα, η διάμετρος, ο μέσος συντελεστής συσταδοποίησης, τα μέτρα κεντρικότητας κλπ.) σε δίκτυα που είναι αποθηκευμένα σε συστήματα σχεσιακών βάσεων δεδομένων και η μελέτη των αποτελεσμάτων τους, καθώς και η εφαρμογή τους στην επιστήμη των οικονομικών. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|