Modelo Adaptativo para Detecção de Comunidades em Redes Sociais Dinâmicas
rede neural em grafo, aprendizagem por reforço, análise de rede
Um problema vital abordado na análise de rede é a identificação da estrutura de comunidade. No entanto, o uso atual de técnicas de análise de redes concentra-se em analisar estruturas de comunidades estáticas, o que gera uma lacuna em não considerar os aspectos dinâmicos. Algumas soluções para o problema de detecção de comunidades adaptadas à dinamicidade das redes apresentam limitações no desempenho, e outras não se enquadram em tais contextos. Essa situação é agravada quando se considera a demanda por analisar redes sociais em constante crescimento. Esta pesquisa visa preencher a lacuna dos aspectos dinâmicos com foco na mudança de topologia da rede social ao longo do tempo, aplicando a metodologia de aprendizado por reforço profundo como uma solução alternativa para o problema de detecção de comunidades. Propomos um modelo adaptativo para maximizar a densidade de modularidade local de uma estrutura de comunidade. O modelo inclui uma arquitetura baseada em aprendizado por reforço com ator-crítico e rede neural em grafo para lidar com aspectos de mudança em redes sociais dinâmicas. Experimentos realizados usando a arquitetura proposta com conjuntos de dados sintéticos e de mundo real de redes sociais mostram precisão comparável às soluções do estado da arte. Embora os resultados indiquem que a arquitetura lida bem com redes sociais dinâmicas, uma investigação mais profunda faz-se necessário para melhorar o modelo no tocante ao desempenho computacional.