PREDIÇÃO DE LINKS EM REDES SOCIAIS ACADÊMICAS: UMA ANÁLISE DA INFLUÊNCIA DAS CARACTERÍSTICAS DA REDE NA EFICÁCIA DOS ALGORITMOS BASEADOS NA TOPOLOGIA

THIAGO CHIERICI CUNHA

Resumo


A predição de links em redes sociais tem sido objeto de estudo em um crescente número de artigos científicos e comerciais devido à grande oferta de bases de dados com representações das relações entre pessoas e também devido à facilidade de acesso a recursos computacionais para análise dessas redes. Prever conexões em redes sociais acadêmicas contribui para o crescimento científico, facilitando a colaboração entre pesquisadores com potencial de contribuição mútua. Este trabalho busca identificar as características das redes levam a uma maior eficiência na predição de links feita por algoritmos baseados na topologia. As características serão isoladas conjuntos de dados e alguns experimentos serão repetidos com diferentes algoritmos para buscar identificar tendências. As análises feitas neste trabalho poderão ajudar a compreender melhor a dinâmica das redes sociais acadêmicas e também contribuir na escolha dos melhores algoritmos de predição de link para cada tipo de rede social.


Texto completo:

PDF

Referências


ADAMIC, Lada A.; ADAR, Eytan. Friends and neighbors on the web. Social networks, [S. l.], v. 25, n. 3, p. 211-230, July 2003.

ALVES, Alexandre D.; YANASSE, Horacio H.; SOMA, Nei Y. LattesMiner: a multilingual DSL for information extraction from lattes platform. In: SPLASH WORKSHOPS, 12., 2011, [S. l.]. Proceedings... New York: ACM, 2011. p. 85-92.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6023: informação e documentação: referências: elaboração. Rio de Janeiro, 2002.

BALANCIERI, Renato et al. A análise de redes de colaboração científica sob as novas tecnologias de informação e comunicação: um estudo na Plataforma Lattes. Ciência da Informação, [Brasília], v. 34, n. 1, p. 64–77, out. 2005.

BARABÁSI, Albert-Laszlo et al. Evolution of the social network of scientific collaborations. Physica A: Statistical mechanics and its applications, [S. l.], v. 311, n. 3, p. 590-614, Aug. 2002.

BOYD, Danah M. Friendster and publicly articulated social networking. In: CHI, 2004, Vienna. Proceedings... New York: ACM, 2004. p. 1279-1282.

BRANDÃO, Michele A.; MORO, Mirella M. Recomendação de colaboração em redes sociais acadêmicas baseada na afiliação dos pesquisadores. In: SIMPÓSIO BRASILEIRO DE BANCOS DE DADOS, 27., 2012, São Paulo. Anais... Porto Alegre: SBC, 2012. p. 73-80.

BRANDÃO, Wladmir Cardoso; PARREIRAS, Fernando Silva; SILVA, Antonio Braz de Oliveira. Redes em Ciência da Informação: evidências comportamentais dos pesquisadores e tendências evolutivas das redes de coautoria. Informação & Informação, 2007.

CNPQ. Painel Lattes. Disponível em:< http://estatico.cnpq.br/painelLattes/>. Acesso em 22 de mar. 2016.

DIGIAMPIETRI, Luciano A.; SANTIAGO, Caio R. N.; ALVES, Caio M. Predição de Coautorias em Redes Sociais Acadêmicas: Um Estudo Exploratório em Ciência da Computação. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING, 2., 2013, Maceió. Anais... Porto Alegre: SBC, 2013.

DIGIAMPIETRI, L. A.; LINDEN, R.; BARBOSA, L. F. Desambiguação de nomes em redes sociais acadêmicas: Um estudo de caso usando DBLP. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING, 4., 2015, Recife. Anais... Porto Alegre: SBC, 2015.

DIGIAMPIETRI, Luciano Antonio; DA SILVA, Ernando Eduardo. A framework for social network of researchers analysis. Iberoamerican Journal of Applied Computing, [Ponta Grossa], v. 1, n. 1, p. 1-24, 2011.

DIGIAMPIETRI, Luciano A. et al. Dinâmica das relações de coautoria nos programas de pós-graduação em computação no Brasil. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING, 1., 2012, Curitiba. Anais... Porto Alegre: SBC, 2012a.

DIGIAMPIETRI, Luciano A. et al. Minerando e caracterizando dados de currıculos lattes. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING, 1., 2012, Curitiba. Anais... Porto Alegre: SBC, 2012b.

DIGIAMPIETRI, Luciano et al. Um sistema de predição de relacionamentos em redes sociais. In: BRAZILIAN SYMPOSIUM ON INFORMATION SYSTEMS, 11., 2015, Goiânia. Anais... Porto Alegre: SBC, 2015.

FENG, Xu; ZHAO, J. C.; XU, Ke. Link prediction in complex networks: a clustering perspective. The European Physical Journal B, [S. l.], v. 85, n. 1, p. 1-9, 2012.

FREEMAN, Linton C. Some antecedents of social network analysis. Connections, [S. l.], v. 19, n. 1, p. 39-42, 1996.

FRANÇA, Júnia Lessa; VASCONCELLOS, Ana Cristina de. Manual para normalização de publicações técnico-científicas. 9. ed. Belo Horizonte: Editora UFMG, 2013. 263 p.

GEHRKE, Johannes; GINSPARG, Paul; KLEINBERG, Jon. Overview of the 2003 KDD Cup. ACM SIGKDD Explorations Newsletter, [New York], v. 5, n. 2, p. 149–151, Dec. 2003.

GETOOR, Lise; DIEHL, Christopher P. Link mining: a survey. ACM SIGKDD Explorations Newsletter, [New York], v. 7, n. 2, p. 3-12, Dec. 2005.

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002. 200 p.

GUPTA, Naveen; SINGH, Anurag. A Novel Strategy for Link Prediction in Social Networks. In: CONEXT ON STUDENT WORKSHOP. 10., 2014, Sidney. Proceedings... New York: ACM, 2014. p. 12-14.

HUANG, Shiping et al. Link prediction based on time-varied weight in co-authorship network. In: COMPUTES SUPPORTED COOPERATIVE WORK IN DESIGN (CSCWD). 18., 2014, Hisinchu. Proceedings... [S. l.]: IEEE, 2014. p. 706-709.

INTERNATIONAL CONFERENCE ON WEB SEARCH AND DATA MINING, 9., 2016. San Francisco. Proceedings… New York: ACM, 2016.

LEE, Dave. Facebook has a billion users in a single day, says Mark Zuckerberg. BBC News, [S. l.], 2015. Disponível em: . Acesso em: 23 mar. 2016.

MENA-CHALCO, Jesús Pascual; JUNIOR, Roberto Marcondes Cesar. ScriptLattes: an open-source knowledge extraction system from the Lattes platform. Journal of the Brazilian Computer Society, Campinas, v. 15, n. 4, p. 31-39, Dec. 2009.

MILOJEVIĆ, Staša. Accuracy of simple, initials-based methods for author name disambiguation. Journal of Informetrics, [S. l.], v. 7, n. 4, p. 767-773, Oct. 2013.

JEONG, Hawoong; NÉDA, Zoltan; BARABÁSI, Albert-László. Measuring preferential attachment in evolving networks. EPL, [S. l.], v. 61, n. 4, p. 567, Feb. 2003.

KAISER, Marcus. Mean clustering coefficients: the role of isolated nodes and leafs on clustering measures for small-world networks. New Journal of Physics, [S. l.], v. 10, n. 8, Aug. 2008.

LANE, Julia. Let's make science metrics more scientific. Nature, [S. l.], v. 464, n. 7288, p. 488-489, Mar. 2010.

LIBEN-NOWELL, David; KLEINBERG, Jon. The link‐prediction problem for social networks. Journal of the American society for information science and technology, [S. l.], v. 58, n. 7, p. 1019-1031, 2007.

LICHTNWALTER, Ryan; CHAWLA, Nitesh V. Link prediction: fair and effective evaluation. In: ADVANCES IN SOCIAL NETWORKS ANALYSIS AND MINING (ASONAM). 4., 2012, Istanbul. Procedings... [S. l.]: IEEE, 2012. p. 376-383.

LÜ, Linyuan; ZHOU, Tao. Link prediction in complex networks: A survey. Physica A: Statistical Mechanics and its Applications, [S. l.], v. 390, n. 6, p. 1150-1170, Mar. 2011.

MENA-CHALCO, Jesús Pascual; JUNIOR, Roberto Marcondes Cesar. ScriptLattes: an open-source knowledge extraction system from the Lattes platform. Journal of the Brazilian Computer Society, [Campinas], v. 15, n. 4, p. 31–39, Dec. 2009.

NEWMAN, Mark EJ. Clustering and preferential attachment in growing networks. Physical Review E, [S. l.], v. 64, n. 2, p. 025102, Aug. 2001.

NEWMAN, Mark. Networks: an introduction. Oxford University Press, 2010.

NEWMAN, Mark EJ; PARK, Juyong. Why social networks are different from other types of networks. Physical Review E, v. 68, n. 3, p. 036122, 2003.

PEREZ-CERVANTES, Evelyn et al. Using link prediction to estimate the collaborative influence of researchers. In: INTERNATIONAL CONFERENCE ON ESCIENCE, 9., 2013, Beijing. Proceedings… [S. l.]: IEEE, 2013. p. 293-300.

RIBAS, Sabir et al. Simplified Relative Citation Ratio for Static Paper Ranking: UFMG/LATIN at WSDM Cup 2016. In: ACM INTERNATIONAL CONFERENCE ON WEB SEARCH AND DATA MINING, 9., 2016, San Francisco. Proceedings… [S. l.]: [s. n.], 2016.

SCOTT, John. Social network analysis. 2nd ed. [S. l.]: Sage, 2000. 240 p.

SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING, 9., 2003, Washington DC. Proceedings… New York: ACM, 2003

SILVA, Antonio Braz de Oliveira et al. Estudo da rede de co-autoria e da interdisciplinaridade na produção científica com base nos métodos de análise de redes sociais: avaliação do caso do programa de pós-graduação em ciência da informação-PPGCI/UFMG. In: ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO, 6., 2005, Florianópolis. Anais... [S. l.]: [s. n.], 2005.

SILVA, Antonio Braz de Oliveira et al. Redes de co-autoria dos professores da ciência da informação: um retrato da colaboração científica dessa disciplina no Brasil. In: ENANCIB, 7, 2006, Marília. Anais [S. l.]: [s. n.], 2006, p. 441–452.

TANG, Jie; ZHANG, Duo; YAO, Limin. Social network extraction of academic researchers. In: IEEE INTERNATIONAL CONFERENCE ON DATA MINING, 7, 2007, Omaha. Proceedings… [S. l.]: [s. n.], 2007, p. 292-301.

WANG, Chao; SATULURI, Venu; PARTHASARATHY, Srinivasan. Local probabilistic models for link prediction. In: IEEE INTERNATIONAL CONFERENCE ON DATA MINING, 7., 2007, Omaha. Proceedings… [S. l.]: [s. n.], 2007. p. 322-331.

WANG, Peng et al. Link prediction in social networks: the state-of-the-art. Science China Information Sciences. [Beijing], v. 58, n. 1, p. 1-38. Jan. 2015.

WASSERMAN, Stanley; FAUST, Katherine. Social network analysis: Methods and applications. Cambridge: Cambridge University Press, 1994. 857 p.

WAZLAWICK, Raul. Metodologia de Pesquisa para Ciência da Computação. 2. ed. Rio de Janeiro: Elsevier, 2014. 146 p.

YANG, Jaewon; LESKOVEC, Jure. Defining and Evaluating Network Communities based on Ground-truth. Knowledge and Information Systems, [S. l.], v. 42, n. 1, p. 181-213, Jan. 2015.


Apontamentos

  • Não há apontamentos.




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