Die richtige Reihenfolge

14. August 2017, 13:14
  • innovation
  • netzwerk
image

Ingo Scholtes vom Lehrstuhl für Systemgestaltung der ETH Zürich hat ein Analyseverfahren entwickelt, das die zeitliche Reihenfolge von Verbindungen innerhalb von Netzwerken berücksichtigt.

Ingo Scholtes vom Lehrstuhl für Systemgestaltung der ETH Zürich hat ein Analyseverfahren entwickelt, das die zeitliche Reihenfolge von Verbindungen innerhalb von Netzwerken berücksichtigt.
Warum etwas ändern, wenn es offenbar gut funktioniert? Seit vielen Jahrzehnten werden Netzwerke nach dem mehr oder weniger gleichen Muster analysiert. So wird beispielsweise ein Artikel im Web als umso relevanter eingestuft, je mehr Pfade im Netz zu ihm führen. Entsprechend wird ein Artikel auf den viele andere wichtige Artikel verweisen, von Suchmaschinen ganz oben gelistet. Ausschlaggebend hierfür ist also die komplexe Struktur der Verbindungen, das heisst, welche Artikel mit welchen anderen Artikeln verbunden sind.
Zeitliche Reihenfolge sehr wichtig
"Aktuelle Netzwerkanalyseverfahren lassen eine ganz wichtige Dimension ausser Acht, nämlich die zeitliche Abfolge der Verbindungen", sagt Ingo Scholtes, Oberassistent am Lehrstuhl für Systemgestaltung. Das heisst, die Algorithmen, die Links zwischen Artikeln im Web analysieren, berücksichtigen nicht, in welcher zeitlichen Abfolge User Artikel aufrufen. Genau dies wäre jedoch wichtig. Denn die Reihenfolge, in der wir uns durch Informationsnetze bewegen, enthält wertvolle Informationen darüber, welche Artikel thematisch besonders eng miteinander verbunden und deshalb für Nutzer relevant sind.
Beispiel Wikipedia: Wenn ein User von einem Artikel über "Albert Einstein" per Link zur "ETH Zürich" klickt, dann ist es wahrscheinlicher, dass er als nächstes einen Artikel mit Bezug zu Physik aufruft als einen zu Erdwissenschaften. "Wenn wir die zeitliche Dimension bei der Netzwerkanalyse berücksichtigen, können wir viel bessere Vorhersagen zum Nutzerverhalten machen und darauf aufbauend auch relevantere Suchergebnisse erzielen und bessere Empfehlungen geben", sagt Scholtes.
Modell auf alle Netzwerke anwendbar
Die Erkenntnisse von Ingo Scholtes sind nicht allein für Suchalgorithmen im Internet wichtig. Seine Analysemethode kann auf jegliche Form von Netzwerken angewandt werden. "Netzwerke sind abstrakte Modelle für Sachen, die miteinander verbunden sind", erläutert der Informatikspezialist. "Dazu gehören beispielsweise auch Verkehrsinfrastrukturen, das globale Finanzsystem, Energienetze, die Zellen in unserem Körper und neben den virtuellen Netzwerken wie Facebook auch die realen Verbindungen zwischen Menschen."
Wie wichtig die zeitliche Reihenfolge ist, macht die Anwendung von Scholtes’ neuer Netzwerkanalysemethode bei der Vorhersage von Epidemien deutlich: Um voraussagen zu können, wie stark sich eine Grippewelle ausbreiten wird und welche Bevölkerungsgruppen betroffen sein werden, reicht es nicht aus, zu wissen, welche Personen einander kennen – also in einem Netzwerk miteinander verbunden sind. Auch die Reihenfolge ihrer Begegnungen ist entscheidend, um beispielsweise vorhersagen zu können, ob Alice ihre Grippeerkrankung an Bob und auch an Carol weitergeben wird. Nur wenn Alice erst Bob und Bob anschliessend Carol trifft, kann sich Carol anstecken. Wenn Bob zunächst Carol trifft und erst später Alice, wird Carol nicht an Grippe erkranken.
Auch bei der Analyse des Londoner U-Bahn-Netzes hat Scholtes festgestellt, dass die häufig verwendeten Netzwerkmodelle der "Tube" oft danebenliegen. Nur weil zum Beispiel eine U-Bahn-Station viele Querverbindungen aufweise, bedeute dies nicht, dass die Passagiere von hier aus alle Strecken gleich wahrscheinlich nutzen würden. Liegt diese Station nämlich eher am Stadtrand, dann werden die Passagiere Verbindungen bevorzugen, die sie weiter in die Innenstadt bringen. Auf Linie A folgt also viel häufiger Linie B als die Linien C oder D – auch wenn aus der Netzwerkperspektive alle gleich möglich erscheinen. "Unsere Ergebnisse in Bezug auf die 'London Tube' werfen ein kritisches Licht auf die Anwendung netzwerkbasierter Verfahren, die zum Beispiel auch bei der Analyse von Risiken im Schweizer Bahnnetz eingesetzt werden", sagt Scholtes.
Abschied von bisheriger Analysemethode
Es sei wichtig, künftig sowohl die Struktur als auch die zeitlichen Zusammenhänge bei der Analyse und Modellierung von Netzwerken zu berücksichtigen, betont Scholtes: "Es ist von elementarer Bedeutung für unsere Gesellschaft, dass wir die richtigen Methoden zur Untersuchung von Netzwerken nutzen, da dies unmittelbare Auswirkungen auf so unterschiedliche Fragen wie der Resilienz kritischer Infrastrukturen oder der Verbreitung von Epidemien hat." (Inken De Wit, ETH News)

Loading

Mehr zum Thema

image

Bauteil für Computer nach Vorbild des Gehirns

Forschende von ETH Zürich, Universität Zürich und Empa entwickelten ein neues Material für ein Computerbauteil, das sich am menschlichen Gehirn orientiert.

publiziert am 18.5.2022
image

Kundenkommunikation für Versicherer: Chats und Chatbots verbreiten sich langsam

Aber die Mehrheit der Schweizer Kundinnen und Kunden bevorzugt weiterhin E-Mail oder Telefon.

publiziert am 16.5.2022
image

Zürcher ML-Startup Lightly sammelt 3 Millionen Dollar

Der Algorithmus von Lightly soll dabei helfen, Daten zu beschriften und zu bewerten. Dadurch soll die sich die Qualität von KI-Anwendungen verbessern.

publiziert am 13.5.2022
image

Google I/O: Verbesserte KI, neue Developer-Tools und Geräte

Google versucht sich erneut an einer AR-Brille. Auch das Google Wallet feiert ein Comeback.

publiziert am 12.5.2022