Refinamento multinível em redes complexas baseado em similaridade de vizinhança (2014)
- Authors:
- Autor USP: VALEJO, ALAN DEMETRIUS BARIA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: REDES COMPLEXAS; REDES SOCIAIS; APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS
- Keywords: Complex networks; Detecção de comunidades; Graph clustering; Multilevel partitioning; Particionamento multinível; Refinamento multinível; Refinement; Social networks
- Language: Português
- Abstract: No contexto de Redes Complexas, particularmente das redes sociais, grupos de objetos densamente conectados entre si, esparsamente conectados a outros grupos, são denominados de comunidades. Detecção dessas comunidades tornou-se um campo de crescente interesse científico e possui inúmeras aplicações práticas. Nesse contexto, surgiram várias pesquisas sobre estratégias multinível para particionar redes com elevada quantidade de vértices e arestas. O objetivo dessas estratégias é diminuir o custo do algoritmo de particionamento aplicando-o sobre uma versão reduzida da rede original. Uma possibilidade dessa estratégia, ainda pouco explorada, é utilizar heurísticas de refinamento local para melhorar a solução final. A maioria das abordagens de refinamento exploram propriedades gerais de redes complexas, tais como corte mínimo ou modularidade, porém, não exploram propriedades inerentes de domínios específicos. Por exemplo, redes sociais são caracterizadas por elevado coeficiente de agrupamento e assortatividade significativa, consequentemente, maximizar tais características pode conduzir a uma boa solução e uma estrutura de comunidades bem definida. Motivado por essa lacuna, neste trabalho é proposto um novo algoritmo de refinamento, denominado RSim, que explora características de alto grau de transitividade e assortatividade presente em algumas redes reais, em particular em redes sociais. Para isso, adotou-se medidas de similaridade híbridas entre pares de vértices, que utilizamos conceitos de vizinhança e informações de comunidades para interpretar a semelhança entre pares de vértices. Uma análise comparativa e sistemática demonstrou que o RSim supera os algoritmos de refinamento habituais em redes com alto coeficiente de agrupamento e assortatividade. Além disso, avaliou-se o RSim em uma aplicação real. Nesse cenário, o RSim supera todos os métodos avaliado quanto a eficiência e eficácia, considerando todos os conjuntos de dados selecionados
- Imprenta:
- Publisher place: São Carlos
- Date published: 2014
- Data da defesa: 11.11.2014
-
ABNT
VALEJO, Alan Demetrius Baria. Refinamento multinível em redes complexas baseado em similaridade de vizinhança. 2014. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2014. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14042015-142526/. Acesso em: 06 jun. 2024. -
APA
Valejo, A. D. B. (2014). Refinamento multinível em redes complexas baseado em similaridade de vizinhança (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14042015-142526/ -
NLM
Valejo ADB. Refinamento multinível em redes complexas baseado em similaridade de vizinhança [Internet]. 2014 ;[citado 2024 jun. 06 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14042015-142526/ -
Vancouver
Valejo ADB. Refinamento multinível em redes complexas baseado em similaridade de vizinhança [Internet]. 2014 ;[citado 2024 jun. 06 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14042015-142526/ - Multilevel method in bipartite networks
- Unsupervised learning of textual pattern based on propagation in bipartite graph
- Spatial and temporal identification of grouping structures of road accidents through homogeneous complex networks and measures of centrality
- Bayesian networks modeling in traffic accidents: case study for Brazil
- Artificial neural networks restriction for road accidents severity classification in unbalanced database
- A coarsening method for bipartite networks via weight-constrained label propagation
- Limitation of classification tree models in investigating road accident severity
- Evaluation of database balancing techniques for road accident severity classification employing arficial neural network
- A scalability approach based on multilevel optimization for link prediction methods
- Visualization to assist interpretation of the multilevel paradigm in bipartite graphs
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas