PREDIÇÃO DE LINKS EM REDES DE COAUTORIA: UM ESTUDO UTILIZANDO A TEORIA DA EVOLUÇÃO ESPECTRAL EM REDES COMPLEXAS

DOUGLAS VIEIRA SANTOS

Resumo


A Mineração de Dados é uma área do conhecimento que ao longo da Revolução Digital iniciada a partir de 1970, apresenta crescente desenvolvimento. Cientistas de todo o mundo ao trabalharem nessa área desenvolvem grandes feitos principalmente no que tange à análise das redes. Ao aprofundar o estudo das redes, desenvolveram-se técnicas para prever onde novas interconexões podem surgir. Tais técnicas são denominadas Técnicas de Predição de links. O objetivo deste trabalho foi avaliar o desempenho de uma técnica proposta por Kunegis (2011) em sua tese de doutorado, apresentada à comunidade científica
em 2011. Essa técnica utiliza álgebra linear para decompor a matriz de adjacência de uma determinada rede em seus autovalores e autovetores. A teoria proposta por Kunegis mostra que, enquanto os autovalores variam conforme o crescimento da rede, os autovetores permanecem aproximadamente constantes. A rede escolhida foi criada a partir dos dados presentes nos currículos dos pesquisadores doutores brasileiros cadastrados na Plataforma Lattes, um sítio brasileiro da comunidade científica abrangendo todas as áreas
do conhecimento. Nesse sítio, os pesquisadores relatam seu progresso científico expondo a caminhada acadêmica nos currículos. A rede considera a colaboração em conjunto para produção de artigos científicos. Se um pesquisador "A "produziu um artigo junto com o pesquisador "B ", tem-se uma rede de dois nós com uma interligação provida pelo artigo produzido, essa rede é denominada rede de coautoria. Os métodos utilizados focaram a obtenção dos currículos em formato amigável à programação, formato XML, desenvolvimento de programas em linguagem Python para construção das matrizes de adjacência, utilização de um software livre denominado Octave para cálculos dos autovalores e autovetores e apresentação dos gráficos de evolução dos autovalores. O resultados apontam uma performance de acerto de até 12%.


Texto completo:

PDF

Apontamentos

  • Não há apontamentos.




Projetos, Dissertações e Teses em Sistemas de Informação e Gestão do Conhecimento
ISSN 2358-5501 (Online)