Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/33669
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2022_VictorFerreiraGoncalves.pdf1,19 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorFaleiros, Thiago de Paulo-
dc.contributor.authorGonçalves, Victor Ferreira-
dc.identifier.citationGONÇALVES, Victor Ferreira. Análise e aplicação de algoritmos de detecção de comunidades em grafos de relacionamento entre os senadores do Brasil no Twitter. 2022. xi, 38 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2022.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2022.pt_BR
dc.description.abstractO objetivo deste trabalho é analisar diferentes algoritmos de detecção de comunidades em grafos feitos com base no relacionamento entre os senadores do Brasil usando como peso das arestas as semelhanças dos grupos de seguindos (usuários que os senadores seguem) desses senadores na rede social Twitter. Três métricas de análise de comunidades serão usadas para avaliar cada resultado achado pelos algoritmos para assim se ter uma avaliação de como cada algoritmo desempenhou. Do ponto de vista político espera-se obter comunidades de pessoas que possuem semelhanças ideológicas. Com um segundo intuito de analisar a consistência dos resultados dos algoritmos, também será feita uma comparação dos algoritmos aplicando eles em 4 grafos gerados aleatoriamente com diferentes números de arestas intercomunitárias e intracomunitárias. O trabalho analisa os algoritmos de detecção de comunidades: Greedy Modularity Maximization, Kernighan-Lin, Girvan-Newman, Fluid Communities e Markov Cluster. As métricas de avaliação de comunidades utilizadas são: Modularidade, Cobertura e Desempenho.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordAlgoritmospt_BR
dc.subject.keywordGrafospt_BR
dc.subject.keywordTwitter (Rede social on-line)pt_BR
dc.subject.keywordSenadorespt_BR
dc.titleAnálise e aplicação de algoritmos de detecção de comunidades em grafos de relacionamento entre os senadores do Brasil no Twitterpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2023-02-17T19:37:14Z-
dc.date.available2023-02-17T19:37:14Z-
dc.date.submitted2022-03-08-
dc.identifier.urihttps://bdm.unb.br/handle/10483/33669-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The objective of this work is to analyze different algorithms of community detection on graphs created based on relationship of Brazil senators using edge weights as the similarities between the senators’s followings on Twitter. Three algorithms of community analysis will be used to evaluate each result found by the detection algorithms to evaluate how each of them has performed. From a political point of view is expected to find communities with people who have ideological similarities. With a second objective of analyzing the consistency of the algorithms results, a comparison, applying them on 4 random generated graphs with different number of intercluster and intra-cluster edges will be done. This work analyzes the following community detection algorithms: Greedy Modularity Maximization, Kernighan-Lin, Girvan-Newman, Fluid Communities and Markov Cluster. The communities evaluation algorithms used are: Modularity, Coverage and Performance.pt_BR
Aparece na Coleção:Engenharia da Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.