지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 전수영
- 발행연도
- 2018
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
소셜네트워크(Social Network)자료는 객체(actor) 또는 노드(node)들 사이의 관계를 나타내기 위한 자료로 사회학, 경제학, 경영학을 비롯한 사회과학 분야에서뿐만 아니라 물리학, 의학, 생물학 등의 자연과학과 같이 다양한 분야에서 사용되고 있다. 소셜네트워크에서 노드는 한 사람 또는 가족, 조직과 같이 더 큰 사회적 그룹을 나타내고 연결선(edge, link, tie, arc)은 두 노드 사이의 연결 여부 혹은 연결 강도를 나타낸다. 소셜네트워크분석은 이러한 연결선을 통해 노드들 간의 규칙적인 관계패턴을 파악하여 네트워크 전체적인 구조를 이해하고 분석하는 것으로 분석 목적에 따라 적절한 통계적 모형을 이용해 다양한 의미를 도출해 낼 수 있다. 하지만 소셜네트워크분석에 이용되는 통계적 모형의 우수성은 정확한 모수 추정에 의존한다.
본 논문은 잠재적 위치 군집모형을 이용한 분석에서 개선된 모수 추정을 위해 새로운 표본생성 방법을 제안한다. 소셜네트워크분석 시 지수족 랜덤 그래프모형과 잠재변수를 고려한 모형은 고전적 모형으로 매우 복잡하고 모수 추정에 어려움이 많다. 따라서 이를 개선하기 위해 본 연구는 각 군집별 정보를 이용하는 새로운 표본생성 방법을 제시한다. 제안된 방법은 모의실험과 실 자료 분석을 통해 다른 방법보다 더 효율적인 추정치를 제공하는 우수성을 보여 주었다.
본 논문은 잠재적 위치 군집모형을 이용한 분석에서 개선된 모수 추정을 위해 새로운 표본생성 방법을 제안한다. 소셜네트워크분석 시 지수족 랜덤 그래프모형과 잠재변수를 고려한 모형은 고전적 모형으로 매우 복잡하고 모수 추정에 어려움이 많다. 따라서 이를 개선하기 위해 본 연구는 각 군집별 정보를 이용하는 새로운 표본생성 방법을 제시한다. 제안된 방법은 모의실험과 실 자료 분석을 통해 다른 방법보다 더 효율적인 추정치를 제공하는 우수성을 보여 주었다.
목차
목 차요 약 문 …………………………………………………………제 1 장 서 론 ………………………………………………… 1제 2 장 고전적 모형 ………………………………………… 32.1 지수족 랜덤 그래프 모형 ……………………………… 32.2 잠재변수 모형 …………………………………………… 6제 3 장 잠재적 위치 군집모형 분석을 위한 추론 개선 113.1 잠재적 위치 군집모형 ………………………………… 113.2 추론 개선 ………………………………………………… 13제 4 장 모의실험 …………………………………………… 18제 5 장 실증분석 …………………………………………… 28제 6 장 결 론 ………………………………………………… 31참 고 문 헌 ……………………………………………………… 32
최근 본 자료
댓글(0)
0