O documento aborda a análise de redes sociais, introduzindo conceitos fundamentais como teoria dos grafos, laços fortes e fracos, e aplicações em contextos como contágio emocional e redes de influência. Ele discute a complexidade das inter-relações nas redes sociais, destacando técnicas métricas para analisar a centralidade e a estrutura das redes. Além disso, explora modelos matemáticos de grafos que ajudam a entender a dinâmica e a resistência dessas redes.
ARS - Análisede Redes
Sociais
Prof. Petrônio Cândido de Lima e Silva
2.
Agenda
1. Contextualização
2. Fundamentos Teóricos
a. Teoria dos Grafos
b. Redes Sociais
c. Métricas e Algoritmos de ARS
3. Prática
a. Extração de Dados de Redes Sociais
b. Análise
Redes Sociais
“Diga-mecom quem tu andas e eu te direi que és”
Pessoas e Relacionamentos
Pessoas → Pessoas
Pessoas ← Pessoas
5.
Redes Sociais
●Incapacidade de abstrair em toda a sua complexidade o
emaranhado de relacionamentos em que estamos
envolvidos
○ Qual o seu impacto nos outros ?
○ Qual o impacto dos outros em você ?
○ Quem você conhece?
○ Como você classifica quem conhece?
6.
Redes Sociais
●TUDO está conectado
○ Grande emaranhado de inter-relacionamentos de
todas as naturezas;
○ Influências se propagam na rede;
○ Protagonistas
○ Coadjuvantes
Redes Sociais
●Resistência / Resiliência
○ Tolerante à falhas
○ Laços isolados entre pessoas são frágeis
○ A rede em si é extremamente resistente à
desconexão:
■ Quando perde pessoas
■ Quando perde relacionamentos
9.
Redes Sociais
●GRANOVETTER (1973)
● Laços Fortes (Strong Ties)
○ Interligam pessoas próximas/íntimas, de um mesmo
grupo ou comunidade;
○ São pessoas basicamente parecidas;
10.
Redes Sociais
●Laços Fracos (Weak Ties)
○ Interligam conhecidos e pessoas que freqüentam
outros grupos ou comunidades;
○ Conhecidos, convivência ocasional e esporádica;
○ Elos de ligação entre grupos diferentes, garantindo
a diversidade;
11.
Redes Sociais
●Com quem é melhor procurar emprego?
Entre os amigos próximos (strong ties) ou
com os distantes (weak ties) ?
● strong ties: Possivelmente também são
seus concorrentes
● weak ties: Elo com outros mercados!
Redes de ContágioEmocional
● Modelos de contágio
○ ABDO (2009)
● Modelo de contágio emocional no Facebook
○ KRAMER, GUILLORY e HANCOCK (2014)
○ COVIELLO et al (2014)
● #VemPraRua
○ CANCIAN, FALCÃO e MALINI (2013)
● #ProtestoRJ
○ CALMON, BRUNO e ANTOUN (2014)
Grafos - Matrizde Adjacências
A B C D E F G H I J
A 0 0 1 0 0 0 0 0 0 0
B 0 0 1 0 0 0 1 0 0 0
C 1 1 0 0 0 1 1 0 0 0
D 0 0 0 0 0 0 0 0 0 0
E 0 0 0 0 0 0 0 0 0 0
F 0 0 1 1 0 0 0 0 0 0
G 0 1 1 0 0 0 0 0 0 0
H 0 0 0 0 0 0 0 0 0 1
I 0 0 0 0 0 0 0 0 0 1
J 0 0 0 0 0 0 0 1 1 0
wi,j ∈
V
A(G) = [wij]
0, se não há aresta entre i e j
x >0, se há aresta entre i e j
Wij é conhecido como Peso ou
Custo da aresta
33.
Grafos - Matrizde Adjacências
● Multigrafos
○ Permite mais de uma aresta entre dois vértices
● Hipergrafos
○ Uma mesma aresta pode conectar mais de dois
vértices
34.
Grafos
● Grau- Degree
○ Número de arestas que estão conectadas à um
vértice:
d(i) = Σj∈V wij
(considerando wij binária)
Digrafos
● Base- Conjunto de Vertedores
○ É um subconjunto dos vértices de um dígrafo tal que:
B ⊆ V | ∀v ∈ B, din(v) = 0, dout(v) > 0
● Anti-Base - Conjunto dos Sorvedores
○ É um subconjunto dos vértices de um dígrafo tal que:
AB ⊆ V | ∀v ∈ AB, din(v) > 0, dout(v) = 0
38.
Grafos
B
H
A
E
C I
G
F
D
B = {A, E, G}
AB = {D, I, F}
39.
Grafos
● cij- Caminho
○ Partindo de i, uma lista de n vértices que o
interligam ao vértice j, existindo arestas entre eles.
● Menor Caminho (Shortest Path)
○ Caminho de Custo Mínimo
○ DIJKSTRA (1959)
○ O(m log n)
40.
l(i,j) - DistânciaGeodésica
O custo (ou tamanho) do menor caminho entre i e j;
l(i,j) = Σx,y ∈ Cij wxy
● l(G) - Distância Geodésica Média
○ O tamanho médio dos caminhos dos grafo G
l(G) = 1/n Σi,j ∈ V l(i,j)
Grafos
41.
Grafos - Matrizde Vizinhança
A B C D E F G H I J
A 0 0 1 0 0 0 0 0 0 0
B 0 0 1 0 0 0 1 0 0 0
C 1 1 0 0 0 1 1 0 0 0
D 0 0 0 0 0 0 0 0 0 0
E 0 0 0 0 0 0 0 0 0 0
F 0 0 1 1 0 0 0 0 0 0
G 0 1 1 0 0 0 0 0 0 0
H 0 0 0 0 0 0 0 0 0 1
I 0 0 0 0 0 0 0 0 0 1
J 0 0 0 0 0 0 0 1 1 0
A(G) = [wij]
wi,j ∈ V = l(i,j)
Wij é a distância entre i e j
42.
Grafos
● Conexo
○ Existe um caminho entre quaisquer dois vértices do
grafo: ∃cij ∀i,j∈ V
● Desconexo
○ ∄cij ∀i,j∈ V
43.
Grafos
● Sub-grafos
Gs = (Vs,Es) | Vs
⊂ V, Es
⊂ E
● Componentes
○ Sub grafos conexos de um grafo desconexo
44.
Grafos
● Conjuntode Corte
○ Conjunto mínimo de vértices ou arestas que se
removidos do grafo causam sua desconexão ou
aumentam o número de componentes;
○ Ponto de Articulação / Vértice de Corte (Cut-Edge)
○ Aresta de Corte (Cut-Arc)
45.
Grafos
● Resistência
○ Capacidade de uma rede tem de perder nós e continuar
conectada;
○ Próximo ao conceito de Densidade, que será estudado
adiante.
46.
Grafos
● GrafosCompletos - Kn
Kn = [n(n-1)]/2
● Clique
○ Subgrafo completo de um grafo
47.
Grafos
● Árvores
● Árvore Geradora Mínima
○ Um subgrafo em forma de árvore, de custo mínimo,
que conecte todos os vértices com o mínimo de
arestas
Grafos Aletórios deErdös-Rény
● ERDÖS e RÉNY (1961)
● Dado um conjunto de vértices V, as arestas
entre esses vértices são calculadas por uma
probabilidade k;
GERnk = (V, E) | n = |n| , k = |E|
52.
Grafos Aletórios deErdös-Rény
1. Inicia com os n vértices isolados ( E = ∅ )
2. Para i = 0 até K
a. Selecione dois nós aleatoriamente: i e j
b. E ← (i, j)
● Resultados interessantes:
d(GERnk) ≈ k
l(GERnk) ≈ logkn
53.
Grafos Aletórios deErdös-Rény
B
H
A
E
C
I
G
F
D
B
H
A
E
C
I
G
F
D
B
H
A
E
C
I
G
F
D
54.
Modelo de Watts-Strogatz
● WATTS e STROGATZ (1998)
● Todos os vértices se conectam aos seus
vizinhos mais próximos;
● Existe uma probabilidade de reconexão da
aresta com outro vértice
55.
Grafos Aletórios deErdös-Rény
B
H
A
E
C
I
G
F
D
B
H
A
E
C
I
G
F
D
B
H
A
E
C
I
G
F
D
56.
Distribuição de Grau
● Uma distribuição de grau é a distribuição de frequências de vértices (nk)
com um determinado grau (k) em relação à n
fk = nk / n
Freq (fk)
Grau (k)