গ্রাফগুলি সেট, সিকোয়েন্স, জালি এবং গাছের চেয়ে আরও সাধারণ শ্রেণীবদ্ধ প্রক্রিয়াকে সংজ্ঞায়িত করে। ইন্টারনেটে এবং সামাজিক নেটওয়ার্ক, ডেটা নেটওয়ার্ক, জৈবিক ওয়েব, বায়োইনফরমেটিক্স, রাসায়নিক তথ্যবিদ্যা, কম্পিউটার দৃষ্টি, এবং মাল্টিমিডিয়া এবং বিষয়বস্তু পুনরুদ্ধারে বিস্তৃত গ্রাফ অ্যাপ্লিকেশন রয়েছে। মাইনিং গ্রাফ এবং নেটওয়ার্কের অ্যাপ্লিকেশনগুলি নিম্নরূপ -
গ্রাফ প্যাটার্ন মাইনিং − এটি একটি বা গ্রাফের একটি সেটে ঘন ঘন সাবগ্রাফের মাইনিং। মাইনিং গ্রাফ প্যাটার্নের জন্য বিভিন্ন পন্থা রয়েছে যেগুলিকে Apriori-ভিত্তিক এবং প্যাটার্ন বৃদ্ধি-ভিত্তিক পদ্ধতিতে শ্রেণীবদ্ধ করা যেতে পারে।
এটি বন্ধ গ্রাফের সেটগুলিকে খনি করতে পারে যেখানে একটি গ্রাফ g বন্ধ থাকে যদি সেখানে কোন উপযুক্ত সুপারগ্রাফ g’ অব্যাহত না থাকে যা g হিসাবে অনুরূপ সমর্থন গণনা তৈরি করে। উপরন্তু, আনুমানিক ঘন ঘন গ্রাফ, সুসংগত গ্রাফ এবং ঘন গ্রাফের মতো বিভিন্ন বৈকল্পিক গ্রাফ প্যাটার্ন রয়েছে। খনির দক্ষতা বাড়ানোর জন্য ব্যবহারকারী-সংজ্ঞায়িত সীমাবদ্ধতাগুলিকে গ্রাফ প্যাটার্ন মাইনিং পর্যায়ে গভীরভাবে চালিত করা যেতে পারে৷
নেটওয়ার্কের পরিসংখ্যানগত মডেলিং − একটি নেটওয়ার্ক নোডের একটি সেট অন্তর্ভুক্ত করে, প্রতিটি বৈশিষ্ট্যের একটি সেটের সাথে সম্পর্কিত একটি বস্তুর সমতুল্য, এবং সেই নোডগুলিকে সংযুক্ত করে প্রান্তের (বা লিঙ্ক) একটি সেট, বস্তুর মধ্যে সম্পর্ক বর্ণনা করে৷
একটি নেটওয়ার্ক সমজাতীয় হয় যদি কিছু নোড এবং লিঙ্ক একই ধরণের হয়, যার মধ্যে একটি ফ্রেন্ড নেটওয়ার্ক, একটি সহ লেখক নেটওয়ার্ক, বা একটি ইন্টারনেট পৃষ্ঠা নেটওয়ার্ক রয়েছে৷ একটি নেটওয়ার্ক ভিন্ন ভিন্ন হয় যদি নোড এবং সংযোগ বিভিন্ন ধরনের হয়, যার মধ্যে প্রকাশনা নেটওয়ার্ক (কানেক্টিং লেখক, কনফারেন্স, পেপার এবং টেক্সট), এবং হেলথ-কেয়ার নেটওয়ার্ক (ডাক্তার, নার্স, রোগী, রোগ এবং চিকিৎসার সাথে সংযোগ করা)। পি>
তথ্য নেটওয়ার্ক বিশ্লেষণের মাধ্যমে ডেটা ক্লিনিং, ইন্টিগ্রেশন এবং বৈধতা - একটি বিশাল নেটওয়ার্কে আন্তঃসংযুক্ত ডেটার বিভিন্ন উপাদানের মধ্যে তথ্যের অপ্রয়োজনীয়তা থাকতে পারে। নেটওয়ার্ক বিশ্লেষণের মাধ্যমে গুণমান ডেটা পরিষ্কার, ডেটা একীকরণ, ডেটা বৈধতা এবং বিশ্বস্ততা অনুসন্ধান বাস্তবায়নের জন্য এই জাতীয় নেটওয়ার্কগুলিতে তথ্যের অপ্রয়োজনীয়তা বিশ্লেষণ করা যেতে পারে৷
গ্রাফ এবং সমজাতীয় নেটওয়ার্কগুলির ক্লাস্টারিং এবং শ্রেণীবিভাগ − নেটওয়ার্ক মেকানিজম উন্মোচন করতে, লুকানো সম্প্রদায়, হাব এবং আউটলায়ারগুলি খুঁজে বের করতে নেটওয়ার্ক টপোলজিক্যাল মেকানিজম এবং তাদের সম্পর্কিত বৈশিষ্ট্যের উপর নির্ভর করে বিশাল নেটওয়ার্কগুলিতে ক্লাস্টার বিশ্লেষণ পদ্ধতি তৈরি করা হয়েছে। বিভিন্ন ধরণের নেটওয়ার্ক ক্লাস্টারিং পদ্ধতি তৈরি করা হয়েছে এবং বিভাজন, শ্রেণিবিন্যাস, বা ঘনত্ব-ভিত্তিক অ্যালগরিদম হিসাবে শ্রেণীবদ্ধ করা যেতে পারে।
বিজাতীয় নেটওয়ার্কগুলির ক্লাস্টারিং, র্যাঙ্কিং এবং শ্রেণিবিন্যাস - একটি ভিন্নধর্মী নেটওয়ার্কে আন্তঃসংযুক্ত নোড এবং একাধিক প্রকারের সংযোগ অন্তর্ভুক্ত থাকে। এই ধরনের আন্তঃসংযুক্ত প্রক্রিয়ার মধ্যে রয়েছে সমৃদ্ধ ডেটা, যা পারস্পরিকভাবে নোড এবং লিঙ্কগুলিকে উন্নত করতে ব্যবহার করা যেতে পারে এবং পর্যবেক্ষণকে এক প্রকার থেকে অন্য প্রকারে প্রচার করতে পারে৷
এই ধরনের ভিন্নধর্মী ওয়েবের ক্লাস্টারিং এবং র্যাঙ্কিং এই প্রেক্ষাপটে ঘনিষ্ঠভাবে প্রয়োগ করা যেতে পারে যে একটি ক্লাস্টারে উচ্চ র্যাঙ্কযুক্ত নোডগুলি ক্লাস্টারের সমন্বয়ের গণনায় তাদের নিম্ন-র্যাঙ্কযুক্ত ম্যাচের চেয়ে বেশি অবদান রাখতে পারে।
