Um método para acelerar a detecção de comunidades em redes complexas esparsas

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Carnivali, Gustavo Simões
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Laboratório Nacional de Computação Científica
Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Ciência de redes
Teoria dos grafos
Método de Louvain
Clustering
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::ALGEBRA::LOGICA MATEMATICA
Link de acesso: https://tede.lncc.br/handle/tede/282
Resumo: Um grafo é uma estrutura composta por um conjunto de objetos (vértices) que podem estar conectados por arestas indicando a existência de uma relação entre um par de vértices. Um problema comum e de grande aplicabilidade em diversas áreas é a tentativa de encontrar comunidades nessa estrutura. O problema de detecção de comunidades em grafos consiste em encontrar conjuntos de vértices que possuem alguma relação em comum. Na literatura dedicada a esse assunto, um algoritmo de otimização denominado Método de Louvain (ML) se destaca como opção eficaz e rápida para a detecção de comunidades em redes complexas de larga-escala. Este trabalho propõe uma análise sobre a estrutura de grafos visando o problema de detecção de comunidades e, como resultado principal, um método eficaz para diminuir o tempo de processamento alcançado pelo ML. Nesse contexto, é proposto o Método Rápido de Agrupamento de Vértices (MRAV) que de forma rápida gera uma solução inicial (i.e., um primeiro conjunto de comunidades) que será utilizado pelo ML. A proposta substitui apenas a primeira aplicação do algoritmo construtivo do ML pelo MRAV. Com essa modificação, o tempo de processamento do ML é reduzido, porém sem alterar de forma significativa a qualidade das comunidades encontradas. O método foi validado experimentalmente utilizando redes reais e artificias, sendo observado que a proposta é mais indicada para redes de baixo grau médio, ou seja, esparsas. Para as redes complexas de baixo grau médio utilizadas, a proposta obteve uma redução no tempo de processamento do ML de 47% com inexpressíveis reduções de qualidade das comunidades encontradas.
id LNCC_a23dce10dfb0e0dfedc1d176c11aa657
oai_identifier_str oai:tede-server.lncc.br:tede/282
network_acronym_str LNCC
network_name_str Biblioteca Digital de Teses e Dissertações do LNCC
repository_id_str
spelling Um método para acelerar a detecção de comunidades em redes complexas esparsasCiência de redesTeoria dos grafosMétodo de LouvainClusteringCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::ALGEBRA::LOGICA MATEMATICAUm grafo é uma estrutura composta por um conjunto de objetos (vértices) que podem estar conectados por arestas indicando a existência de uma relação entre um par de vértices. Um problema comum e de grande aplicabilidade em diversas áreas é a tentativa de encontrar comunidades nessa estrutura. O problema de detecção de comunidades em grafos consiste em encontrar conjuntos de vértices que possuem alguma relação em comum. Na literatura dedicada a esse assunto, um algoritmo de otimização denominado Método de Louvain (ML) se destaca como opção eficaz e rápida para a detecção de comunidades em redes complexas de larga-escala. Este trabalho propõe uma análise sobre a estrutura de grafos visando o problema de detecção de comunidades e, como resultado principal, um método eficaz para diminuir o tempo de processamento alcançado pelo ML. Nesse contexto, é proposto o Método Rápido de Agrupamento de Vértices (MRAV) que de forma rápida gera uma solução inicial (i.e., um primeiro conjunto de comunidades) que será utilizado pelo ML. A proposta substitui apenas a primeira aplicação do algoritmo construtivo do ML pelo MRAV. Com essa modificação, o tempo de processamento do ML é reduzido, porém sem alterar de forma significativa a qualidade das comunidades encontradas. O método foi validado experimentalmente utilizando redes reais e artificias, sendo observado que a proposta é mais indicada para redes de baixo grau médio, ou seja, esparsas. Para as redes complexas de baixo grau médio utilizadas, a proposta obteve uma redução no tempo de processamento do ML de 47% com inexpressíveis reduções de qualidade das comunidades encontradas.A graph is a structure composed of a set of objects (vertices) that may be connected by edges, which establish a relationship between a pair of vertices. A common problem that finds great applicability in several areas is the attempt to find communities in this structure. The community detection problem in graphs aims at finding sets of vertices that have some common relationship. In the literature dedicated to this subject, an optimization algorithm, called Louvain Method (ML), stands out as an effective and fast option for community detection in large scale complex networks. This work proposes an analysis about the graph structure targeting the community detection problem and, as a main result, an effective method for decreasing the processing time experienced by ML. In this context, the Fast Method of Grouping Vertices (MRAV in Portuguese) is proposed to quickly generate an initial solution (i.e., a first community set) that will be used by the ML. MRAV only replaces the first application of the constructive ML algorithm. With this modification, the processing time of ML can be reduced, at the cost of a slight reduction in the quality of the detected communities. The method was experimentally validated using real and artificial networks and it was observed that the proposal is more indicated for networks of low average degree, i.e., sparse networks. For these networks of low average degree, the proposal obtained a reduction in the process time of the ML of 47% with negligible reductions on the quality of the detected community structure.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorLaboratório Nacional de Computação CientíficaCoordenação de Pós-Graduação e Aperfeiçoamento (COPGA)BrasilLNCCPrograma de Pós-Graduação em Modelagem ComputacionalZiviani, ArturEsquef, Paulo Antonio AndradeVieira, Alex BorgesZiviani, ArturGadelha Júnior, Luiz Manoel RochaRocha, Antonio Augusto de AragãoSilva, Ana Paula Couto daCarnivali, Gustavo Simões2023-02-16T18:07:16Z2019-03-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCarnivali, G. S. Um método para acelerar a detecção de comunidades em redes complexas esparsas. 2019. 78 f. Dissertação (Programa de Pós-Graduação em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2019.https://tede.lncc.br/handle/tede/282porhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do LNCCinstname:Laboratório Nacional de Computação Científica (LNCC)instacron:LNCC2023-02-17T04:02:14Zoai:tede-server.lncc.br:tede/282Biblioteca Digital de Teses e Dissertaçõeshttps://tede.lncc.br/PUBhttps://tede.lncc.br/oai/requestlibrary@lncc.br||library@lncc.bropendoar:2023-02-17T04:02:14Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)false
dc.title.none.fl_str_mv Um método para acelerar a detecção de comunidades em redes complexas esparsas
title Um método para acelerar a detecção de comunidades em redes complexas esparsas
spellingShingle Um método para acelerar a detecção de comunidades em redes complexas esparsas
Carnivali, Gustavo Simões
Ciência de redes
Teoria dos grafos
Método de Louvain
Clustering
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::ALGEBRA::LOGICA MATEMATICA
title_short Um método para acelerar a detecção de comunidades em redes complexas esparsas
title_full Um método para acelerar a detecção de comunidades em redes complexas esparsas
title_fullStr Um método para acelerar a detecção de comunidades em redes complexas esparsas
title_full_unstemmed Um método para acelerar a detecção de comunidades em redes complexas esparsas
title_sort Um método para acelerar a detecção de comunidades em redes complexas esparsas
author Carnivali, Gustavo Simões
author_facet Carnivali, Gustavo Simões
author_role author
dc.contributor.none.fl_str_mv Ziviani, Artur
Esquef, Paulo Antonio Andrade
Vieira, Alex Borges
Ziviani, Artur
Gadelha Júnior, Luiz Manoel Rocha
Rocha, Antonio Augusto de Aragão
Silva, Ana Paula Couto da
dc.contributor.author.fl_str_mv Carnivali, Gustavo Simões
dc.subject.por.fl_str_mv Ciência de redes
Teoria dos grafos
Método de Louvain
Clustering
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::ALGEBRA::LOGICA MATEMATICA
topic Ciência de redes
Teoria dos grafos
Método de Louvain
Clustering
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::ALGEBRA::LOGICA MATEMATICA
description Um grafo é uma estrutura composta por um conjunto de objetos (vértices) que podem estar conectados por arestas indicando a existência de uma relação entre um par de vértices. Um problema comum e de grande aplicabilidade em diversas áreas é a tentativa de encontrar comunidades nessa estrutura. O problema de detecção de comunidades em grafos consiste em encontrar conjuntos de vértices que possuem alguma relação em comum. Na literatura dedicada a esse assunto, um algoritmo de otimização denominado Método de Louvain (ML) se destaca como opção eficaz e rápida para a detecção de comunidades em redes complexas de larga-escala. Este trabalho propõe uma análise sobre a estrutura de grafos visando o problema de detecção de comunidades e, como resultado principal, um método eficaz para diminuir o tempo de processamento alcançado pelo ML. Nesse contexto, é proposto o Método Rápido de Agrupamento de Vértices (MRAV) que de forma rápida gera uma solução inicial (i.e., um primeiro conjunto de comunidades) que será utilizado pelo ML. A proposta substitui apenas a primeira aplicação do algoritmo construtivo do ML pelo MRAV. Com essa modificação, o tempo de processamento do ML é reduzido, porém sem alterar de forma significativa a qualidade das comunidades encontradas. O método foi validado experimentalmente utilizando redes reais e artificias, sendo observado que a proposta é mais indicada para redes de baixo grau médio, ou seja, esparsas. Para as redes complexas de baixo grau médio utilizadas, a proposta obteve uma redução no tempo de processamento do ML de 47% com inexpressíveis reduções de qualidade das comunidades encontradas.
publishDate 2019
dc.date.none.fl_str_mv 2019-03-13
2023-02-16T18:07:16Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv Carnivali, G. S. Um método para acelerar a detecção de comunidades em redes complexas esparsas. 2019. 78 f. Dissertação (Programa de Pós-Graduação em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2019.
https://tede.lncc.br/handle/tede/282
identifier_str_mv Carnivali, G. S. Um método para acelerar a detecção de comunidades em redes complexas esparsas. 2019. 78 f. Dissertação (Programa de Pós-Graduação em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2019.
url https://tede.lncc.br/handle/tede/282
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do LNCC
instname:Laboratório Nacional de Computação Científica (LNCC)
instacron:LNCC
instname_str Laboratório Nacional de Computação Científica (LNCC)
instacron_str LNCC
institution LNCC
reponame_str Biblioteca Digital de Teses e Dissertações do LNCC
collection Biblioteca Digital de Teses e Dissertações do LNCC
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)
repository.mail.fl_str_mv library@lncc.br||library@lncc.br
_version_ 1832738027717263360

Registros relacionados