Diese Arbeit dient einer kurzen Einführung zur Analyse von Graphen bzw. Netzwerken mithilfe probabilistischer Logikprogrammierung (ProbLog). Sie fängt in Abschnitt 2 mit dem Anwendungsbeispiel für die Implementierung eines ProbLog-Programms an. Hierfür wird ein sehr vereinfachtes Toy-Modell genutzt, dass einem sozialen Netzwerk auf der Literaturplattform Fanfiktion.de ähnelt und soll dabei zur Suche von Subcommunities genutzt werden.
In Abschnitt 3 wird dann das Netzwerk mitsamt Argumentation bezüglich der Communitybildung in die logische Repräsentation von ProbLog übersetzt. Indem Schritt für Schritt die vorausgehenden Überlegungen in diese Form gebracht werden, soll der Leser gleichzeitig einen Einblick in die Syntax von ProbLog erhalten und die Parallelen zwischen der netzwerktheoretischen und logikbasierten Sicht erkennen können. Nach der logischen Repräsentation des Netzwerks beginnt die Analyse der Communities, indem verschiedene Argumentationstechniken demonstriert werden. Wie in der klassischen Logik wird kurz beschrieben, wie Deduktion, Abduktion und Induktion in ProbLog Gestalt annehmen und somit verschiedene Perspektiven eingenommen werden können, je nachdem welches Ziel erreicht werden soll.
Um den Einstieg in diese Methoden zu erleichtern, wird die Automatisierung der Argumentation noch mit einer "analogen" ergänzt. Desweiteren ist anzumerken, dass die Analyseresultate zur Communityzugehörigkeit in Form von Wahrscheinlichkeiten gegeben sind. Das hat den Vorteil, dass die Communityzugehörigkeit als Maß zwischen 0 und 1 interpretiert werden kann und somit wiederum eine nicht-binäre Sicht ermöglicht, die den Umgang mit unsicheren Informationen differenzierter gestaltet. Zuletzt wird in Abschnitt 4 eine potentielle zukünftige Arbeit in diesem Bereich beleuchtet.
Inhaltsverzeichnis
- Einleitung
- Modellierung
- Fanfiktion - Toy Modell
- Definitionen
- Probabilistische Logikprogrammierung
- logische Repräsentation
- Fakten
- Prädikate
- Metaprädikate
- Substitution & Erklärungen
- Evidenzen
- Probabilistische Inferenz und Argumentation
- Deduktion
- Abduktion
- Induktion
- logische Repräsentation
- Schlussteil
- Zukünftige Arbeit
- Erweiterungen
- Peer Learning
- Zusammenfassung & Fazit
- Zukünftige Arbeit
Zielsetzung und Themenschwerpunkte
Diese Arbeit stellt eine kurze Einführung in die Analyse von Graphen und Netzwerken mithilfe probabilistischer Logikprogrammierung (ProbLog) dar. Sie befasst sich mit der Anwendung von ProbLog in einem Bereich, der von traditionellen Programmiersprachen und Machine-Learning-Methoden abweicht. Der Fokus liegt auf der Nutzung der deklarativen Programmiersprache ProbLog, um komplexe Netzwerkstrukturen zu modellieren und analysieren. Die Arbeit zeigt, wie die Vorteile einer deklarativen Programmiersprache, wie die transparente und klare Modellierung von Netzwerken, genutzt werden können, um explorative und nachvollziehbare Analysetechniken zu entwickeln. Darüber hinaus untersucht die Arbeit die Integration formallogischer Methoden in statistische Repräsentationen und die potentielle Anbindung an "klassisches" Machine Learning.
- Einführung in die Programmiersprache ProbLog
- Vorteile einer deklarativen Programmiersprache für die transparente und klare Modellierung von Netzwerken
- Explorative und nachvollziehbare Analysetechniken einer logikbasierten Sprache
- Integration formallogischer Methoden in statistischen Repräsentation und die potentielle Anbindung an "klassisches" Machine Learning
- Potentielle Möglichkeiten zur Inkludierung einer literaturwissenschaftlichen Perspektive
Zusammenfassung der Kapitel
- Einleitung: Die Einleitung gibt eine Übersicht über die Zielsetzung und den Hintergrund der Arbeit. Sie stellt ProbLog als deklarative Programmiersprache vor und beschreibt die Vorteile ihres Einsatzes in der Analyse von Netzwerken. Die Arbeit untersucht die Nutzung von ProbLog zur Modellierung und Analyse von Subcommunities in einem sozialen Netzwerk auf Fanfiktion.de.
- Modellierung: Dieses Kapitel beschreibt das "Toy Modell" für ein Fanfiktion-Netzwerk. Das Netzwerk beinhaltet Autoren, die miteinander interagieren durch Reviews schreiben, Autoren favorisieren oder Texte favorisieren. Es werden die wichtigsten Relationen im Netzwerk definiert und erläutert. Das Kapitel stellt auch die verschiedenen Konzepte der Netzwerkstruktur und die Regeln vor, die die Nähe und Community-Zugehörigkeit der Autoren definieren.
- Probabilistische Logikprogrammierung: Dieses Kapitel erklärt die grundlegenden Konzepte von ProbLog anhand des Beispielnetzwerks. Es zeigt, wie die zuvor definierten Überlegungen in die Syntax von ProbLog übersetzt werden können. Die logische Repräsentation des Modells wird in Form von Fakten, Prädikaten, Metaprädikaten, Substitutionen, Erklärungen und Evidenzen dargestellt.
Schlüsselwörter
Diese Arbeit beschäftigt sich mit den Themen der probabilistischen Logikprogrammierung, der Analyse von sozialen Netzwerken, der Modellierung von Subcommunities und der Nutzung von ProbLog für die explorative und nachvollziehbare Analyse von relationalen Daten. Wichtige Schlüsselwörter sind: ProbLog, deklarative Programmiersprache, Netzwerkanalyse, Subcommunity-Detektion, Wahrscheinlichkeiten, logische Repräsentation, Fakten, Prädikate, Deduktion, Abduktion, Induktion, Fanfiktion.de, Toy-Modell, Reviews, Favorisieren, Zentralität, in-degree centrality.
Häufig gestellte Fragen
Was ist ProbLog?
ProbLog ist eine probabilistische Logikprogrammiersprache, die es ermöglicht, logische Regeln mit Wahrscheinlichkeiten zu verknüpfen, um unsichere Informationen zu modellieren.
Wie wird ProbLog in dieser Arbeit angewendet?
Die Arbeit nutzt ProbLog für ein „Toy-Modell“, das ein soziales Netzwerk auf der Plattform Fanfiktion.de simuliert, um Subcommunities zu identifizieren.
Was sind die Vorteile einer deklarativen Programmiersprache für Netzwerkanalysen?
Sie ermöglicht eine transparente und klare Modellierung komplexer Relationen, die leichter nachvollziehbar ist als bei vielen traditionellen Machine-Learning-Methoden.
Was bedeutet Inferenz in diesem Kontext?
Inferenz bezeichnet den Prozess des Schlussfolgerns. In ProbLog werden Techniken wie Deduktion, Abduktion und Induktion genutzt, um Wahrscheinlichkeiten für bestimmte Ereignisse im Netzwerk zu berechnen.
Wie geht die Arbeit mit unsicheren Informationen um?
Durch die Angabe von Wahrscheinlichkeiten zwischen 0 und 1 kann die Zugehörigkeit zu einer Community differenziert und nicht-binär dargestellt werden.
Welche Rolle spielt Fanfiktion.de in dem Modell?
Die Plattform dient als Datenbasis für das Netzwerkmodell, in dem Interaktionen wie Reviews und das Favorisieren von Texten oder Autoren analysiert werden.
- Arbeit zitieren
- Joel Doat (Autor:in), 2021, Einführung in probabilistische Logikprogrammierung mit einem Fanfiktion-Toy-Modell, München, GRIN Verlag, https://www.grin.com/document/1158234
