Classificac¸˜ao dos Usu´arios da Rede Social Scientia.Net atrav´es
de Redes Neurais Artificiais
Vinicius Ponte Machado1
Bruno Vicente Alves de Lima1 Sanches Wendyl Ibiapina Ara ´ujo1
Helo´ına Alves Arnaldo1
1Departamento de Inform´atica e Estat´ıstica - Universidade Federal do Piau´ı Campus Universit´ario Petrˆoneo Portela - Bairro Ininga - Teresina - PI
vinicius@ufpi.br,brunovicente@ufpi.edu.br,sancheswendyl@hotmail.com,heloar.alves@gmail.com
Abstract. Social networks have become especially relevant in the Internet due to the large numbers of users to various Web sites that use the concept (Orkut, MySpace, Facebook e Flickr). These users form databases that provide an im-portant means to share, organize and find content, and to establish contacts with common interests. In this context was created Scientia.Net - social networking site that integrates information contained in various Internet services (forums, repositories of articles, websites, blogs and other social networks). Further-more, this tool promotes the interaction of its users (students, teachers and re-searchers) for academic purposes, based on your interests. This paper presents an application developed to automatically group Scientia.Net users, using Ar-tificial Neural Networks. The application was created to offer Scientia.Net a sorting mechanism to provide each user of the site, a list of other researchers based on their common researches. It is intended to contribute to the interaction between similar profile users and thus improve the productivity of their research thus allowing the knowledge exchange.
Resumo. Redes sociais tornaram-se especialmente relevantes na internet dev-ido a grande ades˜ao de usu´arios aos v´arios de sites Web que utilizam o conceito (Orkut, MySpace, Facebook e Flickr). Seus usu´arios formam bases de dados que proveem um importante meio de compartilhar, organizar e encontrar conte´udo, al´em de estabelecer contatos atrav´es de interesses comuns. Neste contexto foi criado o Scientia.Net - site de rede social que integra informac¸˜oes contidas em diversos servic¸os da Internet (f´oruns, reposit´orios de artigos, sites, blogs e demais redes sociais). Al´em disso, esta ferramenta promove a interac¸˜ao de seus usu´arios (estudantes, professores e pesquisadores) para fins acadˆemicos, com base nos seus interesses em comum. Este artigo apresenta uma aplicac¸˜ao desenvolvida para agrupar de forma autom´atica os usu´arios do Scientia.Net, utilizando o Redes Neurais Artificiais. A aplicac¸˜ao foi criada para oferecer ao Scientia.Net um mecanismo de classificac¸˜ao que apresente a cada usu´ario do site, uma relac¸˜ao de outros pesquisadores com base nas suas pesquisas em co-mum. Com isso, pretende-se contribuir para a interac¸˜ao entre usu´arios de perfis semelhantes e assim melhorar na produtividade de suas pesquisas permitindo assim a troca de conhecimento.
1. Introduc¸˜ao
Na ´area cient´ıfica, a interac¸˜ao das pessoas ´e um fator importante para o avanc¸o das pesquisas. ´E crescente o n´umero de pesquisadores de diferentes instituic¸˜oes, muitas vezes distantes geograficamente que tˆem colaborado entre si em diversos projetos. Neste cen´ario acadˆemico os sistemas de redes sociais se destacam como uma ferramenta para reunir e facilitar contato com pessoas que det´em o conhecimento.
Esses sistemas funcionam com o princ´ıpio da interac¸˜ao social, ou seja, buscando conectar pessoas e proporcionar sua comunicac¸˜ao forjando lac¸os sociais. Uma rede social ´e definida como um conjunto de dois elementos: atores (pessoas, instituic¸˜oes ou grupos; os n´os da rede) e suas conex˜oes (interac¸˜oes ou lac¸os sociais) [Recuero 2004].
A rede social, derivando deste conceito, passa a representar um conjunto de par-ticipantes autˆonomos, unindo ideias e recursos em torno de interesses compartilhados a partir das interac¸˜oes estabelecidas entre eles. O Scientia.Net ´e um site de rede social voltado ao ambiente acadˆemico que visa agregar aos seus usu´arios itens de relevˆancia acadˆemica relacionados ao seu perfil. Dessa forma, o Scientia.Net ´e uma agregador de informac¸˜oes contidas em diversos servic¸os da Internet (f´oruns, reposit´orios de artigos, sites, blogs e demais redes sociais). Al´em disso, a ferramenta provˆe a interac¸˜ao de seus usu´arios (estudantes, professores e pesquisadores) com base nos seus interesses em co-mum. Este artigo apresenta o desempenho dos algoritmos de aprendizagem de m´aquina Redes Neurais Artificiais, na classificac¸˜ao autom´atica dos usu´arios do Scientia.Net. O objetivo ´e oferecer a cada usu´ario do Scientia.Net uma relac¸˜ao de outros usu´arios com perfis e interesses comuns a estes.
Algoritmos que utilizam t´ecnicas de Aprendizagem de M´aquina melhoram auto-maticamente `a medida que aprendem com experiˆencias passadas [Mitchell 1997]. Estes algoritmos tˆem como objetivo encontrar e descrever padr˜oes a partir dos dados obtidos do ambiente. A tarefa principal ´e aprender um modelo a partir do ambiente e manter esse modelo consistente de modo a atingir as finalidades de sua aplicac¸˜ao. A tarefa de aprender consiste em escolher ou adaptar os parˆametros de representac¸˜ao do modelo.
2. Scientia.Net
O Scientia.Net ´e uma rede social voltada para o ambiente acadˆemico com conte´udos es-pec´ıficos para cientistas que desejam compartilhar suas pesquisas ou avanc¸ar em seus tra-balhos por meio da interac¸˜ao com outros pesquisadores. ´E baseada na Internet est´a sendo desenvolvida implementando ferramentas que permitem a interac¸˜ao de seus usu´arios (es-tudantes, professores e pesquisadores) com base nos seus interesses em comum por meio de algoritmos de aprendizagem de m´aquina.
Al´em disso, visa agregar aos seus usu´arios itens de relevˆancia relacionados ao seu perfil de forma autom´atica. Ou seja, de acordo com o perfil do pesquisador, s˜ao sugeridos artigos, eventos e contatos de outros pesquisadores. Dessa forma o Scientia.Net cria um grande agregador de informac¸˜oes acadˆemicas contidas em diversos servic¸os da Internet (f´oruns, reposit´orios de artigos, sites, blogs e demais redes sociais) (Fig:1), permitindo aos seus usu´arios uma melhoria na produtividade de suas pesquisas, al´em de fornecer mecanismos para interatividade e troca de conhecimento entre pesquisadores.
Figura 1. Servic¸os e Informac¸ ˜oes agregadas ao Scientia.Net.
autom´atico de seus usu´arios e de conte´udo. Esse diferencial tem como objetivo oferecer a cada usu´ario do Scientia.Net uma relac¸˜ao de outros usu´arios cujos perfis e interesses s˜ao semelhantes. Esta classificac¸˜ao ´e feita de forma autom´atica com base nos padr˜oes descobertos pelos algoritmos de Redes Neurais Artificiais.
3. Aprendizagem de M´aquina
A utilizac¸˜ao de Algoritmos de Aprendizagem de m´aquina tem como objetivo o desen-volvimento de t´ecnicas computacionais sobre o aprendizado bem como a construc¸˜ao de sistemas capazes de adquirir conhecimento de forma autom´atica.[Matos et al. 2009]
A intuic¸˜ao humana n˜ao pode ser inteiramente eliminada nesse caso, desde que o desenvolvedor do sistema especifique como os dados devem ser representados e que mecanismos ser˜ao usados por uma caracterizac¸˜ao dos dados. Sob este aspecto existem trˆes principais tipos de t´ecnicas de aprendizagem de m´aquina:
• O Aprendizado Supervisionado, que implica, necessariamente, a existˆencia de da-dos de entradas e a indicac¸˜ao de uma sa´ıda a ser aprendida para ocorrer o processo de aprendizagem [Braga et al. 2007]. Um exemplo desses algoritmo s˜ao as Redes Neurais Artificiais de M´ultiplas Camadas.
• Aprendizado N˜ao-Supervisionado envolve a aprendizagem de padr˜oes na entrada, quando n˜ao s˜ao fornecidos valores de sa´ıdas espec´ıficos [Mitchell 1997].
• Aprendizado por Reforc¸o que consiste em mapear situac¸˜oes (estados do ambiente) para ac¸˜oes (o que fazer) de modo a maximizar um sinal de recompensa num´erico [Sutton and Barto 1998]. A ideia b´asica ´e simplesmente captar os aspectos mais importantes do problema real posto diante de um agente aprendiz interagindo com o ambiente para alcanc¸ar uma meta.
3.1. Redes Neurais Artificiais
Um dos algoritmos de Aprendizagem de M´aquina utilizados nesse trabalho foi Redes Neurais Artificiais. Redes Neurais Artificiais s˜ao sistemas que tentam simular o fun-cionamento do c´erebro humano. S˜ao compostas por unidades de processamento simples chamados de Neurˆonios Artificiais. [Braga et al. 2007]
3.1.1. Neurˆonio Artificial (Perceptron)
O modelo de neurˆonio artificial proposto por McCulloch e Pitts [Braga et al. 2007] ´e uma simplificac¸˜ao do neurˆonio biol´ogico. O modelo prop˜oe que o neurˆonio artificial possui
n entradas (x1, x2, x3, ..., xn) e apenas um terminal de sa´ıda y, sendo que cada entrada possui um peso correspondente (w1, w2, w3, ..., wn),visualizados na Fig. 2.
Figura 2. Modelo de Neur ˆonio Artifical de McCulloch e Pitts. Fonte: Adaptado de Ludwing e Eduard, 2007.
Para gerar a sa´ıda o neurˆonio faz o somat´orio da multiplicac¸˜ao de cada entrada com seu respectivo peso. Ap´os isso ´e levado `a Func¸˜ao de Transferˆencia e depois enviado para a sa´ıda do neurˆonio. A sa´ıda geralmente ´e comparada com a sa´ıda indicada e se houver erro, que ´e a diferenc¸a entre a sa´ıda obtida e a sa´ıda desejada, ser´a corrigido utilizando a regra delta. [Mitchell 1997]
A Regra Delta ajusta os pesos do neurˆonio de tal forma que este multiplicado pela entrada possa representar uma sa´ıda correta. Para cada entrada do Perceptron soma-se o peso atual com a multiplicac¸˜ao da entrada com a taxa de aprendizagem e o erro. Esse processo ´e realizado com todos os pares de entradas com seus respectivos pesos.
A Regra Delta ´e utilizada para o treinamento do Perceptron que ´e um tipo de neurˆonio, tamb´em dito como o mais simples tipo de rede neural. O Perceptron apresenta apenas um conjunto de neurˆonios de entrada e um conjunto de neurˆonios de sa´ıda, sem haver nenhuma camada de neurˆonios intermedi´aria.[Mitchell 1997]
Os neurˆonios s˜ao constitu´ıdos por uma func¸˜ao de ativac¸˜ao e uma func¸˜ao de trans-ferˆencia. A func¸˜ao de ativac¸˜ao faz a soma ponderada dos sinais de entrada e a func¸˜ao de transferˆencia determina a sa´ıda do neurˆonio, em func¸˜ao da soma ponderada.
Quando ocorre erro em alguma das entradas, ´e utilizada a regra delta para a correc¸˜ao dos erros, ou seja, o treinamento do Perceptron.
Portanto os algoritmos de aprendizado das Redes Neurais visam o desenvolvi-mento de t´ecnicas para a obtenc¸˜ao de um valor mais apropriado de pesos para a obtenc¸˜ao da soluc¸˜ao do problema depois que todos os pesos estiverem ajustados, e n˜ao existir mais erro, ou o menor erro poss´ıvel. E assim utilizar os pesos para a utilizac¸˜ao da rede neural.[Braga et al. 2007]
3.1.2. Redes Neurais de M ´ultiplas Camadas
A Rede Perceptron de M´ultiplas Camadas ´e uma rede com uma camada de entrada, con-tendo as entradas da rede, com uma ou mais camadas ocultas, que tem como objetivo resolver problemas n˜ao lineares, e uma camada de sa´ıda. Um exemplo de rede neural ´e
mostrado na Fig. 3.
Figura 3. Exemplo de Rede Neural com M ´ultiplas Camadas.
3.1.3. Algoritmo Backpropagation
Algoritmo Back-Propagation ´e utilizado no treinamento das Redes Perceptrons de M´ultiplas Camadas. ´E dividido em duas fases. A primeira ´e a forward que ´e onde ´e determinada a sa´ıda da rede neural. A segunda ´e a fase backward , onde ´e comparada a sa´ıda obtida com a sa´ıda desejada e assim calculado o erro. Na fase forward ´e apresentado `as entradas da rede, e as sa´ıdas dos neurˆonios da primeira camada oculta s˜ao calculadas.
As sa´ıdas da primeira camada oculta ser˜ao as entradas utilizadas nos c´alculos da sa´ıda da pr´oxima camada. Esse processo se repete at´e chegar a camada de sa´ıda, onde s˜ao produzidas as sa´ıdas da rede. Por fim, a sa´ıda obtida ´e comparada com a sa´ıda desejada, caso haja erro o algoritmo passa para a fase backward .
Na fase backward o erro da camada de sa´ıda ´e utilizado para ajustar diretamente os seus pesos. Posteriormente, esse erro ´e propagado para a camada anterior, utilizando-se para isso os pesos das conex˜oes entre as camadas, que utilizando-ser˜ao multiplicadas com os erros correspondentes.
Esse processo ´e executado at´e a primeira camada oculta da rede neural, chegando a camada de entrada, onde ser˜ao ajustados os pesos das entradas finalizando o processo. [Haykin 2001]
4. Classificac¸˜ao Autom´atica
4.1. Ferramenta WEKA
Os algoritmos utilizados no Scientia.Net est˜ao dispon´ıveis na biblioteca WEKA - Waikato
Environment for Knowledge Analysis, que ´e uma ferramenta de KDD1 que contempla
uma s´erie de algoritmos de preparac¸˜ao de dados, de aprendizagem de m´aquina (minerac¸˜ao) e de validac¸˜ao de resultados. WEKA foi desenvolvido na Universidade de Waikato na Nova Zelˆandia, sendo escrito em Java e possuindo c´odigo aberto dispon´ıvel na Web (a atual vers˜ao - 3.4.3 - demanda Java 1.4).
1Knowledge-discovery in databases (Extrac¸˜ao do Conhecimento) ´e um processo de extrac¸˜ao de informac¸˜oes de base de dados,
que cria relac¸˜oes de interesse que n˜ao s˜ao observadas pelo especialista no assunto, bem como auxilia a validac¸˜ao de conhecimento extra´ıdo.
O WEKA possui interface gr´afica e seus algoritmos fornecem relat´orios com informac¸˜oes anal´ıticas e estat´ısticas dos dados em quest˜ao. Grande parte de seus recursos ´e acess´ıvel via sua interface, sendo que os demais podem ser utilizados atrav´es de API´s2 em c´odigos criados por terceiros. A interface WEKA Explorer pode ser visualizada na Fig. 4.
Figura 4. Janela do WEKA rodando algoritmo de Aprendizagem de M ´aquina
Para a utilizac¸˜ao dos algoritmos implementados utilizando-se a ferramenta WEKA no Scientia.Net, deve-se fornecer dados para o treinamento. Esses dados s˜ao fornecidos atrav´es de um arquivo com extens˜ao .arff. O Arquivo ARFF, ´e dividido em 3 partes:
• Relac¸˜ao - primeira linha do arquivo que deve conter a identificac¸˜ao da relac¸˜ao ou tarefa que esta sendo estudada, sendo, antecedida da express˜ao @relation;
• Atributos - lista de atributos, onde cada linha inicia com @attribute acompanhada do nome do atributo e seguida do seu tipo, que pode ser nominal (as alternati-vas devem ser relacionadas como uma lista separada por v´ırgulas e cercadas por chaves) ou num´erico (neste caso o nome deve ser seguido do tipo de dado); • Dados - relac¸˜ao de dados correspondentes aos atributos que ´e iniciada com uma
linha simples contendo a express˜ao @data. Cada linha representa uma instˆancia e deve ter valores separados por v´ırgula correspondentes (e na mesma ordem) dos atributos da sec¸˜ao Atributos.
O Fato de o WEKA ser escrito em Java e ter suas bibliotecas dispon´ıveis, teve um peso relevante na decis˜ao de utiliz´a-lo no Scientia.Net. Com isso os algoritmos podem ser utilizados em v´arias plataformas, deixando assim, o trabalho com uma boa portabilidade. 4.2. Dados Envolvidos
Scientia.Net ainda ´e um prot´otipo, logo n˜ao foi disponibilizado para o cadastro de pessoas reais, de modo que para fins de testes e validac¸˜ao dos algoritmos propostos foi utilizado um banco de dados povoado com dados customizados oriundos do sitio web Generate-data3contendo 500 usu´arios fict´ıcios, estes dados est˜ao estruturados de forma a caracteri-zar o preenchimento do cadastro do Scientia.net.
2API - Application Programming Interface (ou Interface de Programac¸˜ao de Aplicativos) ´e um conjunto de rotinas e padr˜oes
estabelecidos por um software para a utilizac¸˜ao das suas funcionalidades por programas aplicativos que n˜ao querem envolver-se em detalhes da implementac¸˜ao do software, mas apenas usar seus servic¸os.
3Script gratuito e de c´odigo aberto escrito em JavaScript, PHP e MySQL que permite gerar rapidamente grandes volumes de dados
Esses usu´arios possuem formac¸˜ao acadˆemica distribu´ıda em dez ´areas do con-hecimento (Direito, Medicina, Engenharia Civil, Biologia, Qu´ımica, Odontologia, F´ısica, Matem´atica, Economia e Letras). Para cada ´area do conhecimento existem 50 usu´arios as-sociados. A classificac¸˜ao leva em considerac¸˜ao os valores dos atributos que formam o per-fil acadˆemico desses usu´arios. Estes atributos incluem: Graduac¸˜ao, Mestrado, Doutorado, P´os-Doutorado e suas respectivas sub´areas.
4.3. Resultados
Utilizando os dados mencionados na Sec¸˜ao 4.2, executamos o algoritmo de aprendizado de m´aquina Redes Neurais, a fim de avaliar o desempenho deste na classificac¸˜ao de usu´arios da rede social acadˆemica Scientia.Net. Um trabalho semelhante foi desenvolvido e publicado em [Machado et al. 2011], utilizando 60 usu´arios fict´ıcios, onde 40 foram us-ados para treinamento e 20 para classificac¸˜ao.
4.4. Redes Neurais Artificiais de M ´ultiplas Camadas
Para realizarmos a avaliac¸˜ao da rede neural optamos por utilizar uma ferramenta padr˜ao em estat´ıstica conhecida como validac¸˜ao cruzada (cross-validation ), posto que esta fer-ramenta fornece uma apreciac¸˜ao consistente do modelo trabalhado, ou seja, independente da escolha de instˆancias para classificac¸˜ao, e ´e largamente utilizado dentro desse nicho de pesquisa.
Com o objetivo de avaliarmos o desempenho dos algoritmos utilizamos algumas m´etricas de desempenho tais como: tempo de execuc¸˜ao, porcentagem de acerto, porcent-agem de erro e matriz de confus˜ao.
A Tabela 1 mostra os resultados da classificac¸˜ao da rede neural. O algoritmo Backprogation executou em um tempo 350 s para treinar com dados com 500 usu´arios. A execuc¸˜ao da Rede Neural para a classificac¸˜ao obteve um tempo de 321 s. Dos 500 usu´arios classificados a Rede Neural apresentou um resultado de 100% de acerto.
Tabela 1. Resultados do algoritmo Redes Neurais Artificiais de M ´ultiplas Camadas
M´etricas de Desempenho Redes Neurais
Tempo de Execuc¸˜ao (Treinamento) 350936 ms
Tempo de Execuc¸˜ao (Classificac¸˜ao) 321056 ms
Porcentagem de Acertos 100%
Porcentagem de Erros 0%
Numero total de Instancias 500
A Tabela 2 mostra a matriz de confus˜ao do resultado de classificac¸˜ao da Rede Neural. Foram utilizadas 10 ´areas do conhecimento, dos 500 usu´arios, haviam 50 de cada ´area. Todos os usu´arios foram devidamente classificados em sua ´area de interesse de acordo com o seu perfil.
5. Conclus˜ao
O Scientia.Net enquanto rede social acadˆemica tem como objetivo reunir pesquisadores nas mais diversas ´areas do conhecimento afim de possibilitar a troca de informac¸˜oes entre eles, e isto feito de forma autom´atica atrav´es de algoritmos de Aprendizagem de
Tabela 2. Matriz de confus ˜ao da execuc¸ ˜ao algoritmo Redes Neurais de M ´ultiplas Camadas a b c d e f g h i j Classificado como 50 0 0 0 0 0 0 0 0 0 a = Biologia 0 50 0 0 0 0 0 0 0 0 b = Direito 0 0 50 0 0 0 0 0 0 0 c = Economia 0 0 0 50 0 0 0 0 0 0 d = Engenharia Civil 0 0 0 0 50 0 0 0 0 0 e = F´ısica 0 0 0 0 0 50 0 0 0 0 f = Letras 0 0 0 0 0 0 50 0 0 0 g = Matem´atica 0 0 0 0 0 0 0 50 0 0 h = Medicina 0 0 0 0 0 0 0 0 50 0 i = Odontologia 0 0 0 0 0 0 0 0 0 50 j = Qu´ımica
M´aquina. Baseado nesse contexto apresentamos um algoritmos de aprendizagem de maquina, a saber, Redes Neurais Artificiais de M´ultiplas Camadas a fim de observar-mos o desempenho destes quando da classificac¸˜ao autom´atica de usu´arios do Scientia.Net [Vieira et al. 2003].
Tendo em vista os resultados obtidos executando o algoritmo sobre dados propos-tos percebemos que este algoritmo obteve desempenho satisfat´orio e podem ser utilizados na classificac¸˜ao de usu´arios do Scientia.Net. A Rede Neural Artificial de M´ultiplas Ca-madas atingiu uma classificac¸˜ao com 100% de acerto.
Referˆencias
Braga, A. P., de Leon Ferreira de Carvalho, A. P., and Ludermir, T. B. (2007). Redes Neurais Artificiais: Teoria e Aplicac¸˜oes. Rio de Janeiro, 2 edition.
Haykin, S. (2001). Redes Neurais: princ´ıpios e pr´atica. Porto Alegre.
Machado, V. P., de Lima, B. V. A., Arnaldo, H. A., and Ara´ujo, S. W. I. (2011). Classificac¸˜ao autom´atica dos usu´arios da rede social acadˆemica scentia.net. IV Con-gresso Tecnol´ogico TI e Telecom .INFOBRASIL 2011.
Matos, P. F., de O. Lobardi, L., Ciferri, R. R., Prado, T. A. S., de A. Ciferri, C. D., and Vieira, M. T. P. (2009). Conceitos sobre aprendizado de m´aquina.
Mitchell, T. M. (1997). Machine learning.
Recuero, R. C. (2004). Teoria das redes e redes sociais na internet: Considerac¸˜oes so-bre o orkut, os weblogs e os fotologs. XXVII Congresso Brasileiro de Ciˆencias da Comunicac¸˜ao. XXVII INTERCOM.
Sutton, R. S. and Barto, A. G. (1998). Reinforcement Learning:An Introduction. Cam-bridge.
Vieira, R. C., Ten´orio, M. B., Roisenberg, M., and Soares, P. S. S. (2003). Comparac¸˜ao entre redes neurais artificiais e rough sets para classificac¸˜ao de dados. IV Congresso Brasileiro de Redes Neurais.
