Data mining in social network analysis

Abstract

Název práce: Dob˝vání znalostí p i anal˝ze sociálních sítí Autor: Peter Zvirinsk˝ Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diserta ní práce: doc. RNDr. Iveta Mrázová CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Za posledn˝ch nieko ko rokov zaznamenala globálna ekonomika v˝- razn˝ nárast celkového dlhu, ktor˝ v roku 2022 dosiahol 238 % svetového HDP, ako uvádza Medzinárodn˝ menov˝ fond. Táto rastúca zadlûenos vyvoláva obavy o stabilitu finan n˝ch systémov a blahobyt jednotlivcov a inötitúcií. Zdôraz uje tieû potrebu ú inn˝ch stratégií na pochopenie zloûit˝ch vz ahov medzi dlûníkmi a verite mi a na zmiernenie súvisiacich rizík. V reakcii na tieto v˝zvy navrhujeme nov˝ prístup zaloûen˝ na metódach dob˝vania znalostí aplikovan˝ch na kom- plexnú anal˝zu vzorcov formovania dlhu medzi jednotlivcami a spolo nos ami so zameraním na prevaûne nevyuûité údaje z Insolven ného registra (IR) eskej republiky. Naöím cie om je vyuûi metódy anal˝zy sociálnych sietí na modelovanie a pocho- penie interakcií medzi subjektmi zú ast ujúcimi sa insolven n˝ch konaní, kon- krétne dlûníkmi, verite mi a insolven n˝mi správcami. Okrem toho zameriavame náö v˝skum na dynamické sociálne siete, ktoré zachytávajú ötrukturálne zmeny v dátach v priebehu asu. Náö prístup umoû uje h bkové...

Title: Data mining in social network analysis Author: Mgr. Peter Zvirinský Department: Department of Theoretical Computer Science and Mathematical Logic Supervisor: doc. RNDr. Iveta Mrázová CSc., Department of Theoretical Com- puter Science and Mathematical Logic Abstract. In the past several years, the global economy has experienced a sig- nificant increase in overall debt, reaching 238% of the world GDP in 2022, as reported by the International Monetary Fund. This growing indebtedness raises concerns about the stability of the financial system and the welfare of individuals and institutions. It also underscores the need for effective strategies to under- stand the intricate relationships between debtors and creditors and to mitigate associated risks. In response, this thesis proposes a novel approach based on data mining methods for the comprehensive analysis of debt formation patterns among individuals and companies, focusing on the largely untapped data from the Insolvency Register (IR) of the Czech Republic. We aim to leverage social network analysis (SNA) methods to model and analyze the interactions among subjects participating in insolvencies, namely debtors, creditors, and insolvency administrators. Additionally, we focus our research on dynamic social networks that capture structural changes in...