Characterizing multiple interactions in dynamic attributed networks based on social concepts

dc.creatorThiago Henrique Pereira Silva
dc.date.accessioned2021-09-19T23:19:59Z
dc.date.accessioned2025-09-08T23:02:22Z
dc.date.available2021-09-19T23:19:59Z
dc.date.issued2020-12-17
dc.description.abstractCaracterizar interações dinâmicas é uma questão importante ao analisar redes sociais complexas. Com base na autonomia estrutural que informa quando as pessoas estão estreitamente conectadas umas às outras com extensos laços que atuam como pontes além delas, reforçamos a importância de conceitos sociais como fundamental para a compreensão da complexidade que envolve os atores e suas relações. Nesse sentido, discutimos como modelar múltiplas interações em redes dinâmicas com atributos e propomos um método para classificar nós e arestas dinâmicas com base em relações nó-atributos. Como resultado, o método captura a força das interações sociais e como o conhecimento é transferido pela rede social. Em seguida, discutimos e ilustramos as diferenças de interações sociais em diferentes redes sociais acadêmicas e comunidades de perguntas e respostas. Com base no posicionamento estratégico de um determinado ator em uma estrutura social, validamos estatisticamente nossa estratégia proposta por meio de propriedades de rede. Além disso, realizamos uma análise de sensibilidade destacando-a em termos de sua robustez para lidar com aspectos de tempo, poder discriminativo dos atributos e cenários aleatórios. Por fim, propomos estratégias não-supervisionadas e supervisionadas que aplicam nosso método para identificar nós influentes em uma estrutura social, os quais superam as métricas de rede tradicionais e outros algoritmos baseados em conceitos sociais.
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.identifier.urihttps://hdl.handle.net/1843/38080
dc.languageeng
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectComputação – Teses.
dc.subjectReds sociais – Teses.
dc.subjectRedes de relações sociais – Teses.
dc.subjectRedes complexas – Teses.
dc.subjectComputação social – Teses.
dc.subject.otherSocial Networks
dc.subject.otherDynamic Attributed Networks
dc.subject.otherSocial Computing
dc.titleCharacterizing multiple interactions in dynamic attributed networks based on social concepts
dc.title.alternativeCaracterizando interações em redes sociais dinâmicas baseando-se em conceitos sociais
dc.typeTese de doutorado
local.contributor.advisor-co1Pedro Olmo Stancioli Vaz de Melo
local.contributor.advisor1Alberto Henrique Frade Laender
local.contributor.advisor1Latteshttp://lattes.cnpq.br/9089204821424223
local.contributor.referee1Jussara Marques de Almeida Gonçalves
local.contributor.referee1Daniel Ratton Figueiredo
local.contributor.referee1Artur Ziviani
local.contributor.referee1Wagner Meira Junior
local.creator.Latteshttp://lattes.cnpq.br/3301985425227294
local.description.resumoCharacterizing dynamic interactions is currently an important issue when analyzing complex social networks. Based on the structural autonomy that informs when people are tightly connected to one another with extensive bridge ties beyond them, we reinforce the importance of the network theory paradigm as fundamental for understanding the complexity that involves actors and their relationships. In this regard, we discuss how to model multiple interactions in dynamic attributed networks and propose a classification method that classifies nodes and dynamic edges based on node-attribute relationships. As a result, it captures the strength of social interactions and how knowledge is transferred across the network. Then, we unveil and illustrate the differences of social interactions in different academic social networks and Q&A communities. Based on the strategic positioning of a particular actor in a social structure, we statistically validate our proposed strategy by means of network properties. Moreover, we perform a sensitivity analysis by stressing it in terms of its robustness to deal with aspects of time, discriminative power of attributes and random scenarios. Finally, we propose unsupervised and supervised strategies that apply our method to identify influential nodes in a social structure, which outperform traditional network metrics and other social-based algorithms.
local.publisher.countryBrasil
local.publisher.departmentICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO
local.publisher.initialsUFMG
local.publisher.programPrograma de Pós-Graduação em Ciência da Computação

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
tese_ThiagoSilva_20-08.pdf
Tamanho:
5.6 MB
Formato:
Adobe Portable Document Format

Licença do pacote

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.07 KB
Formato:
Plain Text
Descrição: