Detecção de propagadores influentes por aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Bugada, Vitória de Camargo
Orientador(a): Peron, Thomas Kauê Dal’Maso lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de São Carlos
Câmpus São Carlos
Programa de Pós-Graduação: Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Estatística
Medidas de centralidade
Propagadores
Statistic
Centrality measures
Propagators
Área do conhecimento CNPq:
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
Link de acesso: https://hdl.handle.net/20.500.14289/22013
Resumo: The study of complex networks is essential to understanding interconnected systems in areas such as biology, sociology and technology. These networks, made up of nodes and edges, reveal important emerging patterns. Network analysis allows you to optimize interventions and improve systems resilience. The identification of influential propagators in a network, such as those responsible for the spread of diseases or information, is fundamental and depends on the dynamics of the phenomenon. Different approaches such as k-shell analysis and optimization models help predict these propagators. This study seeks to analyze the relationship between centrality measures and the propagation capacity in social and spatial networks, proposing prediction models to identify the main influencers and optimize dissemination control.
id SCAR_448aaf94a623e0678411858b660c711a
oai_identifier_str oai:repositorio.ufscar.br:20.500.14289/22013
network_acronym_str SCAR
network_name_str Repositório Institucional da UFSCAR
repository_id_str
spelling Bugada, Vitória de CamargoPeron, Thomas Kauê Dal’Masohttp://lattes.cnpq.br/1087642697727776http://lattes.cnpq.br/0964383127189148Branco2025-05-07T11:53:33Z2025-04-09BUGADA, Vitória de Camargo. Detecção de propagadores influentes por aprendizado de máquina. 2025. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2025. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/22013.https://hdl.handle.net/20.500.14289/22013The study of complex networks is essential to understanding interconnected systems in areas such as biology, sociology and technology. These networks, made up of nodes and edges, reveal important emerging patterns. Network analysis allows you to optimize interventions and improve systems resilience. The identification of influential propagators in a network, such as those responsible for the spread of diseases or information, is fundamental and depends on the dynamics of the phenomenon. Different approaches such as k-shell analysis and optimization models help predict these propagators. This study seeks to analyze the relationship between centrality measures and the propagation capacity in social and spatial networks, proposing prediction models to identify the main influencers and optimize dissemination control.O estudo de redes complexas é essencial para compreender sistemas interconectados em áreas como biologia, sociologia e tecnologia. Essas redes, formadas por nós e arestas, revelam padrões emergentes importantes. A análise de redes permite otimizar intervenções e melhorar a resiliência de sistemas. A identificação de propagadores influentes em uma rede, como os responsáveis pela disseminação de doenças ou informações, é fundamental e depende da dinâmica do fenômeno. Diferentes abordagens, como a análise de k-shell e modelos de otimização, ajudam a prever esses propagadores. Este estudo busca analisar a relação entre medidas de centralidade e a capacidade de propagação em redes sociais e espaciais, propondo modelos de previsão para identificar os principais influenciadores e otimizar o controle de disseminações.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)porUniversidade Federal de São CarlosCâmpus São CarlosPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEsUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOSEstatísticaMedidas de centralidadePropagadoresStatisticCentrality measuresPropagatorsDetecção de propagadores influentes por aprendizado de máquinaDetecting influential spreaders by machine learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALDissertação REVISADA.pdfDissertação REVISADA.pdfapplication/pdf2278217https://repositorio.ufscar.br/bitstreams/2c53dc22-e29d-400e-a581-c9af7f0ab535/download2914276a8faacda4cd7bc4eac2d8af86MD51trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8905https://repositorio.ufscar.br/bitstreams/5161904d-7686-43ca-9b02-f6d3f8933a9d/download57e258e544f104f04afb1d5e5b4e53c0MD52falseAnonymousREADTEXTDissertação REVISADA.pdf.txtDissertação REVISADA.pdf.txtExtracted texttext/plain103564https://repositorio.ufscar.br/bitstreams/f8472969-44b6-4e39-8fb4-b4df164273fc/downloada87210e791ec956381f2940c78b421c3MD53falseAnonymousREADTHUMBNAILDissertação REVISADA.pdf.jpgDissertação REVISADA.pdf.jpgGenerated Thumbnailimage/jpeg6349https://repositorio.ufscar.br/bitstreams/5d50089c-95db-4cb2-b736-0297da545e67/download497474cc3f1259cc491c4039a84185d1MD54falseAnonymousREAD20.500.14289/220132025-05-08 00:21:47.323http://creativecommons.org/licenses/by-nc-nd/3.0/br/Attribution-NonCommercial-NoDerivs 3.0 Brazilopen.accessoai:repositorio.ufscar.br:20.500.14289/22013https://repositorio.ufscar.brRepositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestrepositorio.sibi@ufscar.bropendoar:43222025-05-08T03:21:47Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false
dc.title.none.fl_str_mv Detecção de propagadores influentes por aprendizado de máquina
dc.title.alternative.none.fl_str_mv Detecting influential spreaders by machine learning
title Detecção de propagadores influentes por aprendizado de máquina
spellingShingle Detecção de propagadores influentes por aprendizado de máquina
Bugada, Vitória de Camargo
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
Estatística
Medidas de centralidade
Propagadores
Statistic
Centrality measures
Propagators
title_short Detecção de propagadores influentes por aprendizado de máquina
title_full Detecção de propagadores influentes por aprendizado de máquina
title_fullStr Detecção de propagadores influentes por aprendizado de máquina
title_full_unstemmed Detecção de propagadores influentes por aprendizado de máquina
title_sort Detecção de propagadores influentes por aprendizado de máquina
author Bugada, Vitória de Camargo
author_facet Bugada, Vitória de Camargo
author_role author
dc.contributor.authorlattes.none.fl_str_mv http://lattes.cnpq.br/0964383127189148
dc.contributor.authorethnicity.none.fl_str_mv Branco
dc.contributor.author.fl_str_mv Bugada, Vitória de Camargo
dc.contributor.advisor1.fl_str_mv Peron, Thomas Kauê Dal’Maso
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1087642697727776
contributor_str_mv Peron, Thomas Kauê Dal’Maso
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
topic CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
Estatística
Medidas de centralidade
Propagadores
Statistic
Centrality measures
Propagators
dc.subject.por.fl_str_mv Estatística
Medidas de centralidade
Propagadores
Statistic
Centrality measures
Propagators
description The study of complex networks is essential to understanding interconnected systems in areas such as biology, sociology and technology. These networks, made up of nodes and edges, reveal important emerging patterns. Network analysis allows you to optimize interventions and improve systems resilience. The identification of influential propagators in a network, such as those responsible for the spread of diseases or information, is fundamental and depends on the dynamics of the phenomenon. Different approaches such as k-shell analysis and optimization models help predict these propagators. This study seeks to analyze the relationship between centrality measures and the propagation capacity in social and spatial networks, proposing prediction models to identify the main influencers and optimize dissemination control.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-05-07T11:53:33Z
dc.date.issued.fl_str_mv 2025-04-09
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.citation.fl_str_mv BUGADA, Vitória de Camargo. Detecção de propagadores influentes por aprendizado de máquina. 2025. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2025. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/22013.
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.14289/22013
identifier_str_mv BUGADA, Vitória de Camargo. Detecção de propagadores influentes por aprendizado de máquina. 2025. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2025. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/22013.
url https://hdl.handle.net/20.500.14289/22013
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.publisher.program.fl_str_mv Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
dc.publisher.initials.fl_str_mv UFSCar
publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSCAR
instname:Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
instname_str Universidade Federal de São Carlos (UFSCAR)
instacron_str UFSCAR
institution UFSCAR
reponame_str Repositório Institucional da UFSCAR
collection Repositório Institucional da UFSCAR
bitstream.url.fl_str_mv https://repositorio.ufscar.br/bitstreams/2c53dc22-e29d-400e-a581-c9af7f0ab535/download
https://repositorio.ufscar.br/bitstreams/5161904d-7686-43ca-9b02-f6d3f8933a9d/download
https://repositorio.ufscar.br/bitstreams/f8472969-44b6-4e39-8fb4-b4df164273fc/download
https://repositorio.ufscar.br/bitstreams/5d50089c-95db-4cb2-b736-0297da545e67/download
bitstream.checksum.fl_str_mv 2914276a8faacda4cd7bc4eac2d8af86
57e258e544f104f04afb1d5e5b4e53c0
a87210e791ec956381f2940c78b421c3
497474cc3f1259cc491c4039a84185d1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)
repository.mail.fl_str_mv repositorio.sibi@ufscar.br
_version_ 1851688937121120256

Registros relacionados