Caracterização de Padrões Estruturais de Redes Polarizadas

• Pedro H. Calais Guerra Universidade Federal de Minas Gerais
• Wagner Meira Jr. Universidade Federal de Minas Gerais

Resumo

Redes polarizadas constituem um tipo de rede social que vem ganhando uma crescente atenção de pesquisadores, cientistas sociais e agentes de marketing. Tais redes se manifestam em diversos contextos em que indivíduos se organizam em grupos que se opõem uns aos outros, por terem objetivos, ideias e visões que conflitam entre si, e podem ser observadas em contextos relevantes como Política, Esportes e temas polêmicos que estimulam o debate da sociedade. No entanto, não há, na literatura, uma análise precisa e coerente das características estruturais de uma rede polarizada. Neste trabalho mostramos que o conceito vigente de rede polarizada - redes que contam com grupos de usuários com alta coesão interna - não é suficiente para que classifiquemos uma rede como polarizada, uma vez que redes não-polarizadas (como redes de amigos) também apresentam essa propriedade. Nossa principal contribuição é demonstrar que redes polarizadas exibem uma característica estrutural adicional- baixa densidade de arestas na fronteira das comunidades.

Palavras-chave: Padrões Estruturais, Análise de Redes Sociais, Redes Polarizadas

Referências

Adamic, L. A. and Glance, N. (2005). The political blogosphere and the 2004 u.s. election: divided they blog. In Proceedings of the 3rd international workshop on Link discovery, LinkKDD ’05, pages 36–43, New York, NY, USA. ACM.

Barabasi, A.-L. (2003). Linked: How Everything Is Connected to Everything Else and What It Means for Business, Science, and Everyday Life. Plume Books.

Chen, W., Wang, Y., and Yang, S. (2009). Efficient influence maximization in social networks. In Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, KDD ’09, New York, NY, USA. ACM.

Conover, M., Ratkiewicz, J., Francisco, M., Gonçalves, B., Flammini, A., and Menczer, F. (2011). Political polarization on twitter. In Proc. 5th International AAAI Conference on Weblogs and Social Media (ICWSM).

Domingos, P. and Richardson, M. (2001). Mining the network value of customers. In Proceedings of the seventh ACM SIGKDD international conference on Knowledge discovery and data mining, KDD ’01, pages 57–66, New York, NY, USA. ACM.

Easley, D. and Kleinberg, J. (2010). Networks, Crowds, and Markets: Reasoning About a Highly Connected World. Cambridge University Press.

Guerra, P. H. C., Veloso, A., Meira, Jr, W., and Almeida, V. (2011). From bias to opinion: A transfer-learning approach to real-time sentiment analysis. In Proc. of the 17th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, San Diego, CA.

Kannan, R., Vempala, S., and Vetta, A. (2004). On clusterings: Good, bad and spectral. J. ACM, 51(3):497–515.

Kempe, D., Kleinberg, J., and Tardos, E. (2003). Maximizing the spread of influence through a social network. In Proc. of the 9th ACM SIGKDD international conference on Knowledge discovery and data mining, KDD ’03, New York, NY, USA. ACM.

Kwak, H., Lee, C., Park, H., and Moon, S. (2010). What is twitter, a social network or a news media? In WWW ’10: Proceedings of the 19th international conference on World wide web, pages 591–600, New York, NY, USA. ACM.

Leskovec, J. (2011). Networks, communities and the ground-truth. [link].

Leskovec, J., Kleinberg, J., and Faloutsos, C. (2005). Graphs over time: densification laws, shrinking diameters and possible explanations. In Proceedings of the eleventh ACM SIGKDD international conference on Knowledge discovery in data mining, KDD ’05, pages 177–187, New York, NY, USA. ACM.

Livne, A., Simmons, M. P., Adar, E., and Adamic, L. A. (2011). The party is over here: Structure and content in the 2010 election. In ICWSM.

McPherson, M., Smith-Lovin, L., and Cook, J. M. (2001). Birds of a feather: Homophily in social networks. Annual Review of Sociology, 27(1):415–444.

Newman, M. E. J. (2006). Modularity and community structure in networks. Proceedings of the National Academy of Sciences, 103(23):8577–8582.

Palla, G., Derényi, I., Farkas, I., and Vicsek, T. (2005). Uncovering the overlapping community structure of complex networks in nature and society. Nature, 435(7043):814– 818.

Plous, S. (1993). The psychology of judgment and decision making. McGraw-Hill, New York.

Richardson, M. and Domingos, P. (2002). Mining knowledge-sharing sites for viral marketing. In Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining, KDD ’02, New York, NY, USA. ACM.

Sunstein, C. R. (2002). The Law of Group Polarization. Journal of Political Philosophy, 10(2):175–195.

Watts, D. J. (1999). Networks, dynamics, and the small world phenomenon. American Journal of Sociology, 105(2):493–527.

Waugh, A. S., Pei, L., Fowler, J. H., Mucha, P. J., and Porter, M. A. (2009). Party Polarization in Congress: A Social Networks Approach.

Yardi, S. and Body, D. (2010). Dynamic debates: An analysis of group polarization over time on twitter. Bulletin of Science, Technology and Society, 5(30).