Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho

Detalhes bibliográficos
Autor(a) principal: Oliveira, Eric Tadeu Camacho de
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677
Resumo: Orientador: Prof. Dr. Fabrício Olivetti de França
id UFBC_a532af215da55a57a19070c8ddae6d12
oai_identifier_str oai:BDTD:105677
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenhoCIÊNCIA DAS REDESDETECÇÃO DE COMUNIDADECOMMUNITYNETWORK SCIENCECOMMUNITY DETECTIONPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABCOrientador: Prof. Dr. Fabrício Olivetti de FrançaDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência da Computação, 2017.Um dos tópicos estudados em Ciência das Redes é o de detecção de comunidades, que são sub-redes com características que se destacam dentro de seu conjunto. Diversos algoritmos de detecção de comunidades foram criados, se diferenciando na natureza da comunidade estimada. Esta dissertação tem como objetivo principal analisar diferentes algoritmos de detecção de comunidades da literatura para criação de um modelo de escolha de algoritmos de detecção de comunidade a partir das características da rede. Para isso, três hipóteses. Foram testadas: i) os melhores algoritmos de detecção de comunidade se complementam em relação à redes em que obtém seu melhor desempenho; ii) o desempenho de cada algoritmo de detecção de comunidade esta ligada diretamente _a propriedade da rede. iii) uma vez que as propriedades da rede são mensuradas, é possível fazer uma escolha dos melhores algoritmos de detecção de comunidade para essa rede. Para a primeira hipótese foram testados sete algoritmos do estado da arte e avaliados seus desempenhos individuais sobre redes artifiais, em termos da métrica de Informação Mutua Normalizada (NMI). Veríamos a existência de um conjunto de algoritmos que obtiveram o maior NMI para determinados tipos de redes e nenhum outro algoritmo obteve esse mesmo valor, concluindo que a escolha adequada do algoritmo de acordo com as características da rede é importante. Para a segunda hipótese foram testados modelos de regressão com o objetivo de verificar a possibilidade de estimar o desempenho de cada algoritmo baseado nas caracteristicas da rede. Verifcamos que a maioria dos modelos foram superiores aos da base de referencia utilizados, principalmente ao remover as redes infectaveis. Para a terceira hipótese foram testados algoritmos de classicação com o objetivo de escolher um ou mais algoritmos de acordo com a características da rede. Verificamos que o desempenho dos modelos obtidos pelos algoritmos foram superiores aos da base de referencia, com algumas ressalvas.One of the topics studied in Network Science is the community detection, that are subnetworks with features that stand out as a whole. Many algorithms were developed for the detection of communities, difering in the nature of the estimated community. This dissertation has as its main objective, the analysis of diferent community detection algorithms from the literature to create models to help choosing the best algorithms given the features from the network. For this purpose, three hypotheses were tested: i) whether the best algorithms for detecting communities complement each other in relation to the networks in which they obtain better performance; ii) whether the performance of each community detection algorithm is directly associated with the network property, and iii) once the network properties are measured, whether it is possible to choose the best community detection algorithms for this network. For the first hypothesis, seven stateof- the-art algorithms were tested and their individual performances in articial networks were evaluated in terms of the NMI metric. We verifed the existence of a set of algorithms that obtained the highest NMI for certain types of networks and no other algorithm obtained that same value, concluding that the proper choice of the algorithm according to the network features is important. For the second hypothesis, regression models were tested to verify the possibility of estimate the performance of each algorithm based on the features of the network. We verifed that most of the models were superior to the baseline used, mainly in the removal of infeasible networks. For the third hypothesis, the classifcation algorithms were tested to choose one or more algorithms according to the network features. We veried that the performance of the models obtained by the algorithms was higher than those of the baseline, with some caveats.França, Fabricio Olivetti deMena-Chalco, Jesús PascualSilva, Leandro Nunes de CastroOliveira, Eric Tadeu Camacho de2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf125 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677&midiaext=74093http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677&midiaext=74092Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=105677porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2017-08-08T15:57:56Zoai:BDTD:105677Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2017-08-08T15:57:56Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
title Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
spellingShingle Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
Oliveira, Eric Tadeu Camacho de
CIÊNCIA DAS REDES
DETECÇÃO DE COMUNIDADE
COMMUNITY
NETWORK SCIENCE
COMMUNITY DETECTION
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
title_short Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
title_full Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
title_fullStr Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
title_full_unstemmed Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
title_sort Análise sobre comunidades em redes artificiais : detecção, propriedades e estimação de desempenho
author Oliveira, Eric Tadeu Camacho de
author_facet Oliveira, Eric Tadeu Camacho de
author_role author
dc.contributor.none.fl_str_mv França, Fabricio Olivetti de
Mena-Chalco, Jesús Pascual
Silva, Leandro Nunes de Castro
dc.contributor.author.fl_str_mv Oliveira, Eric Tadeu Camacho de
dc.subject.por.fl_str_mv CIÊNCIA DAS REDES
DETECÇÃO DE COMUNIDADE
COMMUNITY
NETWORK SCIENCE
COMMUNITY DETECTION
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
topic CIÊNCIA DAS REDES
DETECÇÃO DE COMUNIDADE
COMMUNITY
NETWORK SCIENCE
COMMUNITY DETECTION
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
description Orientador: Prof. Dr. Fabrício Olivetti de França
publishDate 2017
dc.date.none.fl_str_mv 2017
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677&midiaext=74093
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105677&midiaext=74092
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=105677
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
125 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1813263940586569728

Registros relacionados