| Título: | Análise e aplicação de algoritmos de detecção de comunidades em grafos de relacionamento entre os senadores do Brasil no Twitter |
| Autor(es): | Gonçalves, Victor Ferreira |
| Orientador(es): | Faleiros, Thiago de Paulo |
| Assunto: | Algoritmos
Grafos
Twitter (Rede social on-line)
Senadores |
| Data de apresentação: | 8-Mar-2022 |
| Data de publicação: | 17-Fev-2023 |
| Referência: | GONÇALVES, Victor Ferreira. Análise e aplicação de algoritmos de detecção de comunidades em grafos de relacionamento entre os senadores do Brasil no Twitter. 2022. xi, 38 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2022. |
| Resumo: | O objetivo deste trabalho é analisar diferentes algoritmos de detecção de comunidades em grafos feitos com base no relacionamento entre os senadores do Brasil usando como peso das arestas as semelhanças dos grupos de seguindos (usuários que os senadores seguem) desses senadores na rede social Twitter. Três métricas de análise de comunidades serão usadas para avaliar cada resultado achado pelos algoritmos para assim se ter uma avaliação de como cada algoritmo desempenhou. Do ponto de vista político espera-se obter comunidades de pessoas que possuem semelhanças ideológicas. Com um segundo intuito de analisar a consistência dos resultados dos algoritmos, também será feita uma comparação dos algoritmos aplicando eles em 4 grafos gerados aleatoriamente com diferentes números de arestas intercomunitárias e intracomunitárias. O trabalho analisa os algoritmos de detecção de comunidades: Greedy Modularity Maximization, Kernighan-Lin, Girvan-Newman, Fluid Communities e Markov Cluster. As métricas de avaliação de comunidades utilizadas são: Modularidade, Cobertura e Desempenho. |
| Abstract: | The objective of this work is to analyze different algorithms of community detection on graphs created based on relationship of Brazil senators using edge weights as the similarities between the senators’s followings on Twitter. Three algorithms of community analysis will be used to evaluate each result found by the detection algorithms to evaluate how each of them has performed. From a political point of view is expected to find communities with people who have ideological similarities. With a second objective of analyzing the consistency of the algorithms results, a comparison, applying them on 4 random generated graphs with different number of intercluster and intra-cluster edges will be done. This work analyzes the following community detection algorithms: Greedy Modularity Maximization, Kernighan-Lin, Girvan-Newman, Fluid Communities and Markov Cluster. The communities evaluation algorithms used are: Modularity, Coverage and Performance. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2022. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia da Computação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
