YÖNSÜZ AĞIRLIKLI HASTALIK AĞINDA BAĞLANTI TAHMİNİ

Abstract

Bağlantı tahminiyle ağ yapısında olan çeşitli verilerden yeni veriler elde etme ve geleceğe dönük tahminler yapılabilmektedir. Ağ yapısındaki düğümler ve bu düğümlerin aralarındaki ilişkilerden yola çıkılarak, ağın gelecekteki yapısı ve bireylerin oluşturabileceği yeni ilişkilerin veya vazgeçeceği ilişkilerin tahmini yapılmaya çalışılır. Bu tezde özellikle sosyal ağlarda bağlantı tahmininin tanımı, özellikleri, bu konuda yapılmış çalışmalar irdelendi. Bağlantı tahmini ile ilgili önerilen yöntemlere geçilmeden önce veri madenciliği, sosyal ağlar, sosyal ağ analizi konularında bilgiler verildi. Uygulamada Fırat Üniversitesi Hastanesinde Hemogram testi yaptıran hasta verileri kullanılarak "Yönsüz Ağırlıklı Hastalık Ağı" oluşturuldu. Hastalık ağında, her bir düğüm birer hastalığı ilişkiler ise hastalıklar arası ilişkiyi temsil etmektedir. Sosyal ağ analizi ve bağlantı tahmini metotları kullanılarak yeni bir bağlantı tahmini yöntemi geliştirilmiştir. Geliştirilen bu yöntemle, belirli şikâyetlerle gelen hastaların ne gibi hastalık riskleri taşıdığını tespit edilerek proaktif bir yaklaşımla hastalık riski tahmini yapılmaktadır. Bu yöntemlerin kullanılabilirliği, bağlantı tahminin bu ağlara uygulanabilirliği gösterildi. Anahtar Kelimeler: Hastalık ağları, Bağlantı tahmini, Sosyal Ağ Analizi, Benzerlik Ölçütü Algoritmaları, Veri Madenciliği

Through the social network analysis we can get new data from various data and is intended to generate future predictions in the network structure. Based on the nodes and relationships between nodes, the future structure of the network and new relationships or give up relationships can be estimated. The definition, features and studies of link prediction in social networks are examined in this thesis. Before starting to this topic data mining, social networks, social network analysis are explained. In this application, "Undirected Weighted Disease Network" is created with using patent information who completed blood test in Fırat University Hospital. In Disease Network, each node is disease and each relation is relationship between disease. We developed an new link prediction approach with using social network analysis methods and link prediction methods. Through our approach, detecting what kind of disesase risks of patients have coming the hospital with specific complaints. The availability of these methods and applicability of link prediction to these networks is shown. Key Words: Disease Network,Link Prediction, Social Network Analysis, Proximity Metrics Algorithm, Data Mining