masterThesis
Predição de relacionamentos em redes sociais
Registro en:
Rodrigues de Sá, Hially; Bastos Cavalcante Prudêncio, Ricardo. Predição de relacionamentos em redes sociais. 2011. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2011.
Autor
SÁ, Hially Rodrigues de
Institución
Resumen
A Predição de Relacionamentos (Link Prediction) é uma importante
atividade no campo da Análise em Redes Sociais. Esta atividade se refere em
predizer o surgimento de relacionamentos futuros entre os nós em uma rede
social.
Uma das estratégias para realizar as predições se dá por meio da
aprendizagem supervisionada. Neste caso, a predição é tratada como um
problema de classificação binária. Os atributos preditores são as métricas
computadas para indicar a proximidade ou similaridade de um par de nós. As
classes positiva e negativa representam, respectivamente, a presença e
ausência de um relacionamento entre esse par no futuro.
Apesar de ser uma abordagem bem consolidada na literatura, a maioria
das pesquisas que emprega a aprendizagem supervisionada utiliza apenas
redes sem pesos. Atribuir pesos para os relacionamentos da rede é uma
maneira de expressar a força dos relacionamentos entre os nós, o que pode
potencialmente fornecer informações úteis para a predição. Estudos têm
demonstrado que a utilidade de empregar pesos nos relacionamentos com
abordagens não supervisionadas ainda é controversa, enquanto este ponto é
pouco explorado na abordagem supervisionada.
Neste contexto, o objetivo principal deste trabalho foi investigar se adotar
pesos nos relacionamentos entre os nós contribui para a otimização do
desempenho da predição supervisionada. A avaliação se deu pela comparação
de diferentes algoritmos de classificação em redes com e sem pesos. De modo
geral, os resultados com a predição supervisionada em duas redes de coautorias
revelaram que uma pequena, mas relevante melhoria de desempenho
foi obtida quando os pesos foram considerados Universidade Federal de Pernambuco