23º SINAPE - Simpósio Nacional de Probabilidade e Estatística

Página Inicial » Inscrições Científicas » Trabalhos

Dados do Trabalho


Título

MODELOS BLOCO-ESTOCASTICOS HIERARQUICOS PARA A DETECCÇAO DE COMUNIDADES EM REDES MULTIPLEX

Resumo

Redes multiplex tornam-se cada vez mais predominantes em muitos campos e surgiram como uma poderosa ferramenta para modelar a complexidade das redes reais. Há uma necessidade crítica de desenvolver modelos de inferência para redes multiplex que possam levar em conta a dependência entre as diferentes camadas da rede, especialmente quando o objetivo é a detecção de comunidades. Nesse trabalho, essa lacuna é preenchida com a proposta de um modelo Bayesiano inovador e eficiente para detecção de comunidades em redes multiplex. Uma das principais características do nosso modelo é que ele permite que as comunidades variem nas diferentes camadas, através de uma estrutura hierárquica, o que difere de muitos dos métodos existentes para modelagem de redes multiplex, que impõem que as comunidades sejam fixas para todas as camadas. Marginalmente, um modelo de bloco estocástico (MBE) é assumido para cada camada. Algoritmos eficientes de MCMC foram desenvolvidos para amostrar da distribuição a posteriori dos parâmetros desconhecidos do modelo. Os algoritmos desenvolvidos foram aplicados a dados simulados que demonstram o bom desempenho dos mesmos. Por fim, aplicações foram feitas a dois exemplos de dados reais: primeiramente considerando dados sobre amizade entre adolescentes em uma escola em Glasgow, e a seguir considerando uma rede multiplex que representa diferentes tipos de relação entre empregados de uma alfaiataria em Kapferer.

Palavras-chave

Redes Multiplex, Detecção de comunidades, Modelos bloco-estocásticos, Modelos Hierárquicos, Inferência Bayesiana

Área

Inferência Bayesiana

Autores

Marina Silva Paez, Lizhen Lin