spelling |
Alberto Henrique Frade LaenderPedro Olmo Stancioli Vaz de MeloPedro Olmo Stancioli Vaz de MeloFabricio Benevenuto de SouzaMirella Moura MoroJeancarlo Campos Leão2019-08-13T13:56:10Z2019-08-13T13:56:10Z2018-04-24http://hdl.handle.net/1843/ESBF-B2HKPFA topologia e o aspecto temporal das interações entre um par de entidades de uma rede social indicam a força do relacionamento entre essas entidades. Assim, um relacionamento social é formado por interações regulares e com um número considerável de vizinhos em comum entre o par de nodos envolvido. Por outro lado, um relacionamento raro e pouco embutido representa ruído em uma rede social, que oculta a estrutura mais significativa da rede e impede uma análise precisa. Neste trabalho, propomos um arcabouço para preprocessamento de dados de redes sociais que explora propriedades temporais e topológicas de sequências de interações reais e sintéticas para melhorar a detecção de comunidades estáticas por algoritmos existentes. Ao remover relacionamentos aleatórios, observamos através de múltiplas fontes de evidência que as redes sociais convergem para uma topologia com relacionamentos mais puramente sociais e estruturas de comunidade com maior qualidadeThe topology of a social network and the temporal aspect of the interactions between a pair of nodes indicate the strength of the relationship between them and allow to classify it. For example, a relationship can be classified as persistent and embedded based, respectively, on the regularity with which interactions occur and on the number of neighbors in common among the pair of nodes involved. On the other hand, a rare and little embedded relationship is random and represents noise in a social network, hiding the most significant structure of the network and preventing an accurate analysis. In this work, we propose a framework to handle social network data that exploits temporal and topological features of its sequences of real and synthetic interactions to improve the detection of static communities by existing algorithms. By removing random relationships, we observe through multiple sources of evidence that social networks converge to a topology with more purely social relationships and higher quality community structures.Universidade Federal de Minas GeraisUFMGDetecção de comunidadesBanco de dados temporaisComputaçãoRedes sociais on-lineDetecção de ComunidadeForça dos LaçosRedes SociaisAspecto TemporalUma Abordagem para Detecção de Comunidades a partir de Sequências de Interações Sociaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALjeancarlocamposle_o.pdfapplication/pdf9335229https://repositorio.ufmg.br/bitstream/1843/ESBF-B2HKPF/1/jeancarlocamposle_o.pdf96c076978ffd847f8a3d03388f75b5afMD51TEXTjeancarlocamposle_o.pdf.txtjeancarlocamposle_o.pdf.txtExtracted texttext/plain152762https://repositorio.ufmg.br/bitstream/1843/ESBF-B2HKPF/2/jeancarlocamposle_o.pdf.txt0c331b891775933ccf405a1b50d159a0MD521843/ESBF-B2HKPF2019-11-14 23:19:07.94oai:repositorio.ufmg.br:1843/ESBF-B2HKPFRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-15T02:19:07Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|