Multilevel method in bipartite networks (2019)
- Authors:
- Autor USP: VALEJO, ALAN DEMETRIUS BARIA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/T.55.2020.tde-06012020-174051
- Assunto: REDES COMPLEXAS
- Keywords: Bipartite networks; Complex networks; Contração de redes; Large-scale networks; Método multinível; Multilevel method; Network coarsening; Redes bipartidas; Redes de grande escala
- Agências de fomento:
- Language: Inglês
- Abstract: As redes bipartidas compreendem uma classe particular das redes complexas, na qual vértices são divididos em dois subconjuntos separados e independentes e as arestas conectam apenas vértices de conjuntos diferentes. Tais redes fornecem uma poderosa representação para a modelagem de muitos sistemas complexos do mundo real e têm sido amplamente empregadas em problemas caracterizados pelo alto custo computacional e uso intensivo de dados. Nessa linha, os chamados métodos multinível têm sido empregados para tratar problemas computacionalmente custosos e descrevem uma estratégia escalável que explora (e cria) uma hierarquia de versões reduzidas, ou simplificadas, da rede original. Nos últimos anos, houve um crescente interesse em métodos multinível motivado, principalmente, por sua capacidade de manipular redes de larga escala, bem como sua aplicabilidade em diversos problemas, como detecção de comunidades e visualização. Apesar de seu potencial, as abordagens atuais não são diretamente aplicáveis às redes bipartites e, até onde sabemos, a estratégia multinível não havia sido considerada neste contexto anteriormente, abrindo um vasto espaço para exploração científica. Essa lacuna motivou este projeto de pesquisa, o qual introduz um estudo sobre métodos multinível aplicáveis às redes bipartidas. Para superar as limitações mencionadas, esta tese apresenta duas novas estratégias direcionadas às redes bipartidas, denominadas OPM e MOb. O OPM analisa a rede bipartida em suas projeçõesunipartidas e permite a reutilização de algoritmos multinível clássicos e já estabelecidos na literatura. O MOb (e suas variações Mdr, CSV e CSL) considera diretamente a estrutura bipartida para executar o método multinível e fornecer uma implementação eficiente e eficaz. Os resultados empíricos obtidos em conjuntos de redes reais e sintéticas, em uma variedade de aplicações, demonstram uma redução considerável no tempo de processamento sem perda significativa na qualidade da solução obtida na rede reduzida, quando comparada aos resultados obtidos na rede original. A potencial aplicabilidade e confiabilidade dos métodos propostos foram ilustradas em múltiplos cenários, a saber: otimização, detecção de comunidades, redução de dimensionalidade e visualização. Além disso, os resultados fornecem evidências empíricas de que os métodos propostos podem fomentar novas aplicações do método multinível em redes bipartidas, por exemplo, na predição de arestas e mineração de trajetórias, e evidenciam que este estudo gerou contribuições relevantes para a área.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 29.08.2019
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
VALEJO, Alan Demetrius Baria. Multilevel method in bipartite networks. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-174051/. Acesso em: 23 abr. 2024. -
APA
Valejo, A. D. B. (2019). Multilevel method in bipartite networks (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-174051/ -
NLM
Valejo ADB. Multilevel method in bipartite networks [Internet]. 2019 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-174051/ -
Vancouver
Valejo ADB. Multilevel method in bipartite networks [Internet]. 2019 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-174051/ - Refinamento multinível em redes complexas baseado em similaridade de vizinhança
- Spatial and temporal identification of grouping structures of road accidents through homogeneous complex networks and measures of centrality
- Unsupervised learning of textual pattern based on propagation in bipartite graph
- Bayesian networks modeling in traffic accidents: case study for Brazil
- Artificial neural networks restriction for road accidents severity classification in unbalanced database
- A coarsening method for bipartite networks via weight-constrained label propagation
- Evaluation of database balancing techniques for road accident severity classification employing arficial neural network
- Limitation of classification tree models in investigating road accident severity
- A scalability approach based on multilevel optimization for link prediction methods
- Visualization to assist interpretation of the multilevel paradigm in bipartite graphs
Informações sobre o DOI: 10.11606/T.55.2020.tde-06012020-174051 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas