UFRJ

(1)

–

Universidade Federal do Rio de Janeiro

IM

–

Instituto de Matemática

DCC

–

Departamento de Ciência da Computação

PPGI

–

Programa de Pós-Graduação em Informática

Análise de Redes Sociais

(2)

Jonice Oliveira

www.joniceoliveira.net

http://lattes.cnpq.br/0990344839864230



Professora do DCC/IM/UFRJ e membro do

PPGI/UFRJ



Doutora em Engenharia de Sistemas e

Computação (2007) pela COPPE/UFRJ

–

Ênfase em Banco de Dados



_{Coordenadora do Lab. CORES -}

http://labcores.ppgi.ufrj.br/



_{Coordenadora do bacharelado em Análise}

de Suporte à Decisão da UFRJ



_{Áreas de atuação:}



Análise de Redes Sociais



Gestão do Conhecimento



_{Big Data}



_{Computação Social}

(3)

04/11/2016

Disciplina



Tópicos relacionados: ...



https://sites.google.com/site/analisederedes

sociais201603/



Avaliação



Ferramentas



Seminários



Trabalho Final



Apresentação



Submissão para a IEEE América Latina



http://www.ewh.ieee.org/reg/9/etrans/por/



2 etapas



Grupo: máximo de 2 pessoas



Com exceção dos meus orientandos, que

farão sozinhos. :-*

(4)

04/11/2016

Redes

“Conjunto de pontos (objetos) interligados

por conexões (relacionamentos)”

(5)

Redes

Análise de Redes Sociais – Jonice Oliveira 5

Fonte:

Networks, Crowds and Markets

–

Reasoning about a Higly Connected World, Easley,

D., Kleinberg, J. Ed. Cambridge

(6)

Redes

Metrô de Paris

(7)

Redes

Fonte:

Networks, An Introduction, Newman, M.E.J., Oxford

(8)

Redes

Fonte:

InfoVis

http://www.infovis.info/index.php?cmd=search&words=network+traffic+&mode=normal

(9)

Redes

Fonte:

http://www.wildfireplatform.com/blog/2011/02/data-centers/

(10)

Redes

Fonte:

Networks, An Introduction, Newman, M.E.J., Oxford

(11)

Rede

24/06/2008 Análise de Redes Sociais – Jonice Oliveira 11

Fonte:

http://linkeddata.org/

(12)

Network Science: Introduction January 10, 2011

A SIMPLE STORY (1) The fate of Saddam and network science

Network Science: Introduction 2012

(13)

Por que?

O mundo não é o mesmo...

Não somos os mesmos...

O mundo não é o mesmo...

(14)

04/11/2016

Situação Atual



_{O mundo fica menor a cada nova tecnologia que surge}



Maior “conectividade”



Disponibilidade 24 x 7



Complexidade



Ficamos dependentes das redes e o

que flui nela



Contatos virtuais



mudanças no perfil de

relacionamentos



_{Intervenção}



Cenário social



Memes, Entretenimento, Educação,

Mobs



Cenário econômico



Cenário político



Aumento da importância da área de Redes Sociais

(15)

04/11/2016

Redes



Pode ser representado por Grafos



G = (V, E)



V = conjunto de objetos



chamaremos de vértices ou nós



E = conjunto de pares relacionados



chamaremos de arestas



Exemplo: G = (V, E)



V = {1, 2, 3, 4}

(16)

04/11/2016

Redes



Podemos identificar interações



Padrões de interações



Identificar características comuns entre

objetos



Fluxos

…

(17)

Redes Sociais

O que é?

“Uma rede social é um

conjunto de atores que

pode possuir

relacionamentos uns

com os outros”

(WASSERMAN,

FAUST, 1994)

• Ausência de hierarquia

• Liberdade de participação

(18)

Redes Sociais

NÃO SÃO…

(19)

Exemplo de Redes Sociais

Fonte:

Networks, Crowds and Markets

–

Reasoning about a Higly Connected World, Easley,

D., Kleinberg, J. Ed. Cambridge

(20)

Exemplo de Redes Sociais

Fonte:

Networks, An Introduction, Newman, M.E.J., Oxford

(21)

Exemplo de Redes Sociais

Fonte:

Networks, Crowds and Markets

–

Reasoning about a Higly Connected World, Easley,

D., Kleinberg, J. Ed. Cambridge

(22)

Exemplo de Redes Sociais

Fonte:

Networks, Crowds and Markets

–

Reasoning about a Higly Connected World, Easley,

D., Kleinberg, J. Ed. Cambridge

(23)

04/11/2016

O que a RS pode nos dizer?



_{Analisando as Conexões - Topologia}



_Estrutura



_{Quem está ligado a quem}



_{Separação entre grupos}



Problemas na passagem da informação ou do

conhecimento



_{Comportamento}



_{ações individuais refletem}

no todo



_{Paradox Braess}



Práticas sociais

–

Padrões de relacionamentos



Disseminação de idéias ou inovações



Possível velocidade



Contágio



Elementos bloqueadores

(24)

Observando a estrutura

…

Fonte:

Networks, Crowds and Markets

–

Reasoning about a Higly Connected World, Easley,

D., Kleinberg, J. Ed. Cambridge

(25)

Observando a estrutura

…

Fonte:

Networks, Crowds and Markets

–

Reasoning about a Higly Connected World, Easley,

D., Kleinberg, J. Ed. Cambridge

(26)

Observando a estrutura

…

Fonte:

Leskovec, J., Adamic, L. A., and Huberman, B. A. 2007. The dynamics of viral

marketing. ACM Transactions on the Web, 1, 1 (May 2007).

First aid study guide “First Aid for the

USMLE Step”

Oh My Goddess!: Mara

(27)

Observando a estrutura

…

Fonte:

Networks, Crowds and Markets

–

Reasoning about a Higly Connected World, Easley,

D., Kleinberg, J. Ed. Cambridge

Epidemia de

Tuberculose,

(28)

04/11/2016

Tipos de Estudos



_{Quantitativos}



“Entramos” aqui.



Qualitativos



Antropólogos



Psicólogos



Sociólogos

(29)

04/11/2016

Tipos de Redes

(30)

04/11/2016

Rede Completa

Relacionamento



Direção

• Relações não-direcionadas

–

Fazer uma reunião com

–

Comunicar-se diariamente com

• Relações direcionadas

(31)

04/11/2016

Rede Completa



_{Peso da Relação}



Força ou Duração do Relacionamento



Capacidade de informação



Taxa ou velocidade de fluxo



Probabilidade de se transmitir uma

informação



Frequência da interação

(32)

Grau do nó

: número de arestas conectadas ao nó.

k

_B

₌

₄

N

ã

o

-d

ir

e

c

io

n

a

d

a

Em redes direcionadas, podemos definir o

in-degree

e

out-degree.

O grau total é a soma de ambos.

Origem

: um nó com k

in

_{= 0;}

_Fim

_{: nó com k}

out

_{= 0.}

2 k

in

C



k

1 out

C



k

C



3 Di

re

c

io

n

a

d

a

A

G

F

B

C

D

E

A

B

k

A

=

1

(33)

N

–

número de nós no grafo







N

i

k

N

k

1

1 ,

1

1 







N

i

out

i

out

N

i

in

i

in

k

N

k

N

k

_º

2 L

N

Network Science: Graph Theory January 24, 2011

N

ã

o

-d

ir

e

c

io

n

a

d

a

Di

re

c

io

n

a

d

a

A

F

B

C

D

E

j

i

(34)

04/11/2016

Diâmetro



_{Distância máxima entre dois vértices}



Maior caminho mínimo (geodésico)

entre dois vértices da rede

(35)

04/11/2016

Densidade



_{Descreve o nível de ligação entre os}

pontos de um grafo.



Depende de outros parâmetros:



Inclusividade



Soma dos graus

(36)

04/11/2016

Densidade



Inclusividade



Número de pontos que estão incluídos

dentre as partes conectadas de um grafo.



_{<Número total de pontos> - <Número de}

pontos isolados>



Para comparação: usa-se a razão:



<Número total de pontos> - <Número de

pontos isolados>/ <Número total de pontos>



_Exemplo:



Grafo com 20 pontos



_{5 isolados}



_{(20-5)/20 = 0,75}

(37)

04/11/2016

Densidade



_{>> Inclusividade}



_{>> Densidade}



Densidade



Comparação entre:



Número real de linhas



Número máximo de linhas



Número real de linhas = ½ do

somatório de graus

(38)

04/11/2016

Densidade



_{Número máximo de linhas}



N é a quantidade de pontos



N(N-1)/2



Densidade



L



número de linhas



L/N(N-1)/2

(39)

04/11/2016

Densidade

(40)

04/11/2016

Densidade



_Vantagem



_{Fácil de calcular}



_Desvantagem



>> Número de relacionamentos, grafos

muito grandes



Na prática, é difícil manter muitos

relacionamentos



Acabamos por optar por alguns

relacionamentos ao longo da vida



Trabalho



Família



Amigos



Atividades

…

(41)

04/11/2016

Centralidade e Centralização



Centralidade



Bavelas, Década de

1950



Centralidade Local



Grande número de conexões ao seu redor



_{Centralidade Global}



_{Grande número de conexões em relação}

à rede



_{Centralização}



_{Coesão ou integração}

do grafo



_{Ponto de equilíbrio}

(42)

04/11/2016

Centralidade



_{Localidade Central}



_{Um ponto é central quando possui o maior}

grau.



_{Grafos direcionados}



“in

-

centrality”



“out

_-

centrality”



Absoluta

–

soma das arestas



Relativa

–

normalizada



_{Relacionada ao número máximo de}

conexões que um nó pode ter



Lembrando: máximo de conexões =

ligações com todos os demais nós = n-1

(43)

04/11/2016

Centralidade



_Exemplo



Nó com centralidade local de 25 em

um grafo de 100



Número máximo de conexões = 99



Centralidade local relativa = 0,25



Nó com centralidade local de 25 em

um grafo de 30



Número máximo de conexões = 29



Centralidade local relativa = 0,86

(44)

04/11/2016

Centralidade



_{Centralidade Global}



Soma do menor caminho entre os

demais pontos



‘geodesic’ distance



Um ponto com a menor soma das

distâncias



está mais perto dos

demais



Centralidade Global = ‘closeness’

(45)

Exemplo

(46)

Exemplo

F

E

D

H

G

B

J

K

M

L

C

N

O

P

Q

So

ma

A

1

2

3

4

5

43

(47)

Exemplo

(48)

Exemplo

(49)

04/11/2016

“

Betweenness

”



_{Freeman (1979)}

–

_{importância de}

alguns elementos que possuem

graus pequenos.



Dependência Local

A

C

B

Duas possibilidades de

menores caminhos

(50)

04/11/2016

“

Betweenness

”

A centralidade “betweenness” de um nó “i” é:

Número de menores distâncias de

‘s’ a ‘t’

passando por

‘

i

’

Número total de menores

distâncias

de ‘s’ a ‘t’

(51)

(52)

04/11/2016

Partição de Grafos



_{Método Girvan-Newman}

Minicurso: Análise de Redes Sociais – Jonice Oliveira 54

(53)

(54)

04/11/2016

Clique



“Clique é um subconjunto de pontos

no qual cada possível par de pontos

é diretamente conectado por uma

linha e um clique não é contido por

outro clique”



Componente



máximo e

conectado



_Clique



_{máximo e completo}

(55)

04/11/2016

Clique

(56)

04/11/2016

Clique



_{máximo e completo}



_{muito restrito}



N-Clique



n é o número de arestas

nos quais os membros de um clique

podem ser conectados

(57)

04/11/2016



Um grafo com 23 cliques de 1-vértice (seus vértices), 42 cliques de

2-vértices (suas arestas), 19 cliques de 3-2-vértices (os triângulos em azul claro),

e 2 cliques de 4-vértices (azul escuro). Seis das arestas e 11 dos triângulos

formam cliques maximais. As duas 4-cliques em azul escuro são tanto

máximas quanto maximais, e o número de clique do grafo é 4.



Fonte: http://pt.wikipedia.org/wiki/Clique

(58)

04/11/2016

Componentes

Fonte:

Networks, An Introduction, Newman, M.E.J., Oxford

Um componente de um grafo é um conjunto isolado não vazio

minimal.

Digamos que A é o conjunto de todos os conjuntos isolados

distintos do conjunto vazio. Um elemento X de A é minimal se

não contém algum outro elemento de A .

(59)

04/11/2016

Componentes

Ciclo

Semi-ciclo

A

B

C

(60)

04/11/2016

Componentes



_{Cada nó tem um caminho para qq.outro}



Não é parte de outro componente maior

(61)

04/11/2016

Componente Gigante

Minicurso: Análise de Redes Sociais – Jonice Oliveira 63

(62)

04/11/2016

Coeficiente de Agrupamento

64

hoDei

resdeVizin

NúmerodePa

os

ãoConectad

hosDeiQueS

resDeVizin

NúmeroDePa

=

C

_i

“Se duas pessoas em uma rede social possuem amigos em comum, então

existe uma maior possibilidade que eles tornem-

se amigos no futuro”

Anatole

Rapoport. Spread of information through a population with socio-structural bias I:

(63)

04/11/2016

Coeficiente de Agrupamento

Médio

65



n

i

m

=

n

C

1 /

1

(64)

Análises Simples…

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

(65)

Análises Simples…

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

A

_B

C

(66)

Análises Simples…

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

Nós Periféricos

(67)

Análises Simples…

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

Nós Isolados

(68)

Análises Simples…

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

Pontes

Que métricas podemos utilizar? ;-)

(69)

Análises Simples…

A

_B

C

D

E

F

G

H

J

K

I

M

L

N

O

P

Q

R

S

T

U

V

X

Y

W

Z

(70)

04/11/2016

ARS na Saúde

(71)

04/11/2016

Casos de Análise de Redes

Sociais



_{The Framingham Heart Study (FHS)}

–

estudos sobre epidemias começou em

1948,



5.124 egos



alter amizade, família,

casamento, vizinho e colega de

trabalho.



12.067 

rede social (1971 e 2003)



_{Problema com resgate de casos antigos}



53.228 

relacionamentos



_{Médias de relações}



_10,7

(72)

04/11/2016

Casos de Análise de Redes

Sociais



_Conclusão:



Vício (fumo), obesidade e felicidade

são transmissíveis



Identificação de Clusters.



_{Análise sob 3 perspectivas:}



Indução



Homofilia

(73)

04/11/2016

Casos de Análise de Redes

Sociais

(74)

(75)

(76)

04/11/2016

(77)

04/11/2016

(78)

04/11/2016

(79)

04/11/2016

Casos de Análise de Redes

Sociais



_{Harvard College}

–

₂₀₀₉



_{Seguiram 744 estudantes}



_{Membros de um grupo escolhido randomicamente}

(N=319)



_{Seus amigos (N=425)}



Monitoração dos dois diferentes grupos e seus

sintomas



Baseado em diagnóstico clínico:



No segundo grupo (amigos), a progressão da

epidemia foi de 13.9 dias antes do primeiro

grupo



_{No 16o. dia}



_{aumento considerável, 46 dias}

(80)

(81)

(82)

(83)

04/11/2016 Análise de redes sociais – Aplicabilidade e desafios– Jonice Oliveira 93

(84)

04/11/2016

Outros Exemplos



_{Relationships between drugs,}

symptoms and side-effects [Paul and

Dredze 2011]



Disease transmission based on

co-visited locations [Sadilek et al. 2012]



INCT de Doenças Negligenciadas

(FIOCRUZ)



Situações de Emergências

(85)

04/11/2016

ARS no Marketing



PANG, B.; LEE, V. Opinion Mining and

Sentiment Analysis.

Foundations and

Trends® in Information Retrieval

, v. 1, n. 2,

p. 91-231, 2006.



Um dos primeiros trabalhos na área



Traz uma vasta revisão de literatura sobre análise

de sentimento aplicada à mineração de opinião.



A grande maioria dos trabalhos trata da extração

de comentários ou críticas em

sites

e na

(86)

04/11/2016

ARS no Marketing



KRAUSS, J. et al. Predicting movie success

and Academy Awards through Sentiment and

Social Network Analysis.

ECIS European

Conference on Information Systems

, 2008.



análise de sentimento de diálogos entre usuários de

sites

de cinema

(87)

04/11/2016

ARS no Marketing



_{Influenciadores!}



Encontrar usuários que adotam e

espalham amplamente novas

tendências



Fabricio Benevenuto (UFMG)



Algoritmo do Pagerank com peso

baseado no tempo de postagem

(88)

04/11/2016

ARS na Ciência



Carlos Morel

–

Fiocruz



Doenças negligenciadas

(89)

04/11/2016

ARS na Ciência

(90)

04/11/2016

ARS na Ciência



_{INCT do Controle do Câncer}

Albuquerque, R. , Oliveira, J. , Faria, F. , Monclar, R. and de Souza, J.

(2014) Studying Group Dynamics through Social Networks Analysis in a

Medical Community.

Social Networking

,

3 , 134-141.

(91)

(92)

04/11/2016

Análise Organizacional

(93)

04/11/2016

Análise Organizacional

(94)

04/11/2016

ARS na Política



My Barack

Obama

(95)

04/11/2016

Em outras áreas



Idéias ou Ideologias



Segurança



Terrorismo



Setor financeiro



_Empresas



Processos



Novas políticas

(96)

04/11/2016

E agora, como usar estas

métricas para explicar?



_Indução



Homofilia



“Contraditório”

(97)

04/11/2016

(98)

(99)

• Filósofo

• 1663

•Conceito de ‘afeto’ e troca de idéias

• Analogia sociedade e corpo humano

• Filósofo e teólogo

• 1603

• A propensão do homem para a

associação

(100)

• Militar

• 1832

(101)

• Médico e psicólogo

• Início do Século XX

• Sociometria



Método quantitativo

(102)

• Psicólogo e sociólogo

• 1948

• Criação do Laboratório de Redes de

Grupo (Group Networks Laboratory) no

MIT, EUA.

(103)

• Claude Lévi-Strauss

–

Antropólogo e filósofo

• Robert Duncan Luce

–

Matemático

• Anatol Rapoport - Psicólogo

• Conceito de similaridade / padrões de relacionamento

(104)

• Elizabeth Bott

–

Antropóloga

• Siegfried Nadel

–

Antropólogo

• Harrison White

–

Sociólogo

• Padrões x Contexto

• Cadeias de Oportunidades (H. W hite)

(105)

Ainda na década de 60...

(106)

(107)

(108)

04/11/2016

Atual Modismo?



_{Área multidisciplinar}



…mas por que só agora?

(109)

04/11/2016

Ferramentas

Nome da Ferramenta

Link

Centrifuge

http://www.centrifugesystems.com/

CMXAnalyzer

http://www.trilexis.com

Cytoscape

http://www.cytoscape.org/

Egonet

http://sourceforge.net/projects/egonet/

FNA

http://www.financialnetworkanalyzer.com/

Gephi

http://gephi.org/

KrackPlot

http://www.isi.edu/~blythe/KP/

Maltego

http://www.paterva.com/web5/

NetMinder 3

http://www.netminer.com/NetMiner/home_01.jsp

Network Workbench

http://nwb.cns.iu.edu/index.html

NodeXL

http://nodexl.codeplex.com/

Pajek

http://pajek.imfm.si/doku.php

SNAP

http://snap.stanford.edu/

SocialAction

http://www.cs.umd.edu/hcil/socialaction

SocNetV

http://socnetv.sourceforge.net/

Sonamine

http://www.sonamine.com/home/

SONIVIS

http://sonivis.org/

StOCNET

http://stat.gamma.rug.nl/stocnet/content/dl_frame.htm

SUBDUE

http://ailab.wsu.edu/subdue/download.htm

UCINET

http://www.analytictech.com/ucinet/

VOSON Project (ver as ferramentas) http://voson.anu.edu.au/node/13#Tools

(110)

04/11/2016

Onde conseguir informação?

• "Networks: An Introduction"- Mark Newman

• "Reassembling the Social: An Introduction to

Actor-Network-Theory (Clarendon Lectures in Management

Studies)" - Bruno Latour

• "Linked: How Everything Is Connected to Everything

Else and What It Means" - Albert-Laszlo Barabasi

• "Semantic Web Programming" - John Hebeler

• "Models and Methods in Social Network Analysis

(Structural Analysis in the Social Sciences)" - Peter J.

Carrington

• "The Development of Social Network Analysis: A

Study in the Sociology of Science" - Linton C.

Freeman

(111)

04/11/2016

Onde conseguir informação?



_{International Network for Social}

Network Analysis (ISNA) -

www.insna.org/



Projetos



Pessoas



Conferências



Softwares e BDs



...



Sunbelt Conference

(112)

BraSNAM

https://sites.google.com/site/brasnam/

https://www.facebook.com/brasnam/

(113)

04/11/2016

Próximos Trabalhos



_{Ferramentas - 18/11}



Casos

–

25/11



É obrigatória a apresentação de

trabalhos diferentes!