Redes Sociais Científicas: análise topológica da influência dos pesquisadores

• Vitor Horta Universidade Federal de Juiz de Fora
• Victor Ströele Universidade Federal de Juiz de Fora https://orcid.org/0000-0001-6296-8605
• Fernanda Campos Universidade Federal de Juiz de Fora
• José Maria N. David Universidade Federal de Juiz de Fora
• Regina Braga Universidade Federal de Juiz de Fora

DOI: https://doi.org/10.5753/sbbd.2017.166519

Resumo

Comunidades em redes sociais são compostas por pessoas com interesses comuns, que influenciam ou são influenciadas por elas mesmas. Neste trabalho são aplicados conceitos de análise de redes complexas para verificar o nível de influência entre os pesquisadores, analisando a estrutura da rede social científica e suas comunidades. São propostos um modelo baseado em grafo bidirecional para analisar a influência entre os pesquisadores e algoritmos para analisar a estrutura da rede, identificar comunidades científicas e localizar pesquisadores multidisciplinares. Para avaliação do modelo e dos algoritmos é utilizada uma base de dados científicos de grande porte em um caso de uso. Os resultados apontam para a viabilidade e eficácia da solução.

Palavras-chave: Comunidades em Redes Sociais, Grafos

Referências

Almeida, R., Pereira, C. K., Campos, F., and Stroele, V. (2016). Recomendação de recursos educacionais para grupos: buscando soluções em redes sociais. In Anais do XXVII Simpósio Brasileiro de Informática na Educação (SBIE 2016).

Ester, M., Kriegel, H.-P., Sander, J., and Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. pages 226–231. AAAI Press.

Falkowski, T., Barth, A., and Spiliopoulou, M. (2007). Dengraph: A density-based community detection algorithm. In In Proc. of the 2007 IEEE / WIC / ACM International Conference on Web Intelligence,, pages 112–115.

Gialampoukidis, I., Tsikrika, T., Vrochidis, S., and Kompatsiaris, I. (2016). Community detection in complex networks based on dbscan* and a martingale process. In 2016 11th International Workshop on Semantic and Social Media Adaptation and Personalization (SMAP), pages 1–6.

Li, X., Tan, Y., Zhang, Z., and Tong, Q. (2016). Community detection in large social networks based on relationship density. In 2016 IEEE 40th Annual Computer Software and Applications Conference (COMPSAC). IEEE.

Lopes, G. R., Moro, M. M., Wives, L. K., and de Oliveira, J. P. M. (2010). Cooperative Authorship Social Network. In AMW.

Luo, T., Zhong, C., Ying, X., and Fu, J. (2011). Detecting community structure based on edge betweenness. In 2011 Eighth International Conference on Fuzzy Systems and Knowledge Discovery (FSKD). IEEE.

Ströele, V., Zimbrão, G., and Souza, J. M. (2013). Group and link analysis of multirelational scientific social networks. Journal of Systems and Software, 86:1819–1830.

Wasserman, S. and Faust, K. (1994). Social network analysis: Methods and applications, volume 8. Cambridge university press.