Defesa de Monografia - Graduação

ESCOLA NACIONAL DE CIÊNCIAS ESTATÍSTICAS　

Graduação em Estatística　

A Escola Nacional de Ciências Estatísticas convida para a defesa de Monografia da Graduação intitulada:　

“Um estudo computacional da aplicação de algoritmos de agrupamento e de detecção de comunidades em redes sociais”　

Alunos: José Leonardo Maia Pereira e Tessie Maia Bessa　

Orientador: José André de Moura Brito　 

Coorientadora: Carla Silva Oliveira　

Data: 14 de julho de 2017 – Sexta-Feira　

Horário: 14h00m　

Local: Ence – Rua André Cavalcanti, 106 – Sala 306 – Bairro de Fátima　

Resumo da Monografia:

Atualmente, os métodos disponíveis para análise de agrupamentos e detecção de comunidades têm sido utilizados em diferentes áreas do saber, como, por exemplo, Biologia, Sociologia, Computação, Medicina, Estatística, Bioquímica e análise de redes sociais. O presente trabalho tem como objetivo principal a comparação entre os resultados produzidos por algoritmos de agrupamento e de detecção de comunidades. Os algoritmos de agrupamento utilizados foram k-means e k-medóides, e os algoritmos de detecção de comunidades foram o Edge Betweenness e o Fast Greedy. A comparação entre os resultados foi feita a partir da aplicação de critérios de validação externos (Índice de Rand) e relativos (Índice de Dunn, de Davies-Bouldin, Silhueta e Calinski-Harabasz). Esses algoritmos foram aplicados em 21 bases de dados reais e 27 bases de dados artificiais, com diferentes características no que diz respeito ao tamanho da base de dados e aos tipos de variáveis. Também foram calculadas as medidas de centralidade de grau para o algoritmo de detecção de comunidade Fast Greedy, tendo por objetivo a busca por padrões de características nas comunidades formadas. Ainda neste sentido, a partir dos experimentos computacionais realizados neste trabalho, foi observado que os algoritmos de detecção de comunidades são ideais quando deseja-se encontrar poucas comunidades na base de dados. Observou-se também, que o algoritmo de detecção de comunidades Fast Greedy tende a manter os objetos com valores altos de medida de centralidade de grau juntos em uma única comunidade.

Banca examinadora:　

José André de Moura Brito (Ence/IBGE) - Orientador　

Carla Silva Oliveira (Ence/IBGE)- Coorientadora　

Gustavo da Silva Ferreira (Ence/IBGE) 　

Flávio Marcelo Tavares Montenegro (Ence/IBGE)　

Coordenação de Graduação　

Denise Britz do Nascimento Silva