Resumo P2 Comunicao e Redes CENTRALIDADE

CENTRALIDADE modo como mensurada a importncia de cada n. Identificar os ns de maior importncia pode ser vital para a estabilidade ou controle da sua rede!

CENTRALIDADE DE GRAU
N central aquele que est mais conectado que os demais, ou seja, aquele que tem um grau maior. ( ) Onde (| | ( ) (| | )

) o nmero total de ns (ou ordem da rede) 1.

Esse tipo de centralidade pode ser interpretada como o quo importante os outros ns julgam que ele e/ou por quantas vias o n pode receber ou transmitir informao.
CENTRALIDADE DE GRAU = Representa o lder do objeto de estudo, exemplo: Glauco era lder do Cl, logo ele tem centralidade de grau ALTO. (by Barsa) A remoo do grau central no desconecta necessariamente a rede, mas pode causar um congestionamento de informao, j que ele era um n centralizador , provavelmente, com maior capacidade de receber e transmitir informao.

CENTRALIDADE E PROXIMIDADE
Ponto central aquele que minimiza a distncia mdia entre todos os outros pontos (definio em espao Euclidiano). Em uma rede podemos pensar que o n central aquele n que minimiza a distncia mdia entre todos os outros ns. Ou seja, pode espalhar uma informao mais rapidamente e de forma mais eficiente para todos os outros ns. ( ) Onde ( ) a distncia entre os ns.
( )

CENTRALIDADE DE PROXIMIDADE = Os que esto pouco relacionados com o objeto de estudo. (by Barsa) Pode ser relevante para ataque a uma rede (espalhar boatos, divulgar promoes), como defesa da rede (imunidade a vrus, ataque de hackers).

CENTRALIDADE DE BETWEENNES
Qual n causa mais impacto ao ser removido da rede?

Medida introduzida para verificar o controle/influncia de uma pessoa para transmitir informao entre grupos sociais diferentes. Mede a carga de informao que um n tende a receber.

( ) Onde:

) (

( )

nmero de caminhos mais curtos entre

( )

. e que passam por .

nmero de caminhos mais curtos entre

CENTRALIDADE DE BETWEENNES = Representa o quanto o grau consegue atravessar a informao para outras subredes. (by Barsa)

CENTRALIDADE DE AUTOVETOR
Calcula a importncia do vrtice baseado em sua influncia na rede. ( ) Onde (
|( )

) 1 se os ns so adjacentes e 0 caso contrrio, e o maior autovetor da matriz de adjacncia.

PAGERANK
Determina a importncia de um n (pgina web) da seguinte forma: Uma pgina web A importante se existem vrias pginas apontando para ela, Cada pgina web B que aponta para ela incrementa o grau de centralidade proporcionalmente quantas pginas apontam para B. ( )
|(

( ) ( )

Onde: se (i, j) formam uma aresta e 0 caso contrrio.

grau de sada do n.

Matriz P
( ) A matriz E uma matriz com valores iguais a 1/n em todos os seus elementos e n a ORDEM da rede. O valor de serve para amortizar o clculo. Para calcular o autovetor, basta utilizar o mesmo mtodo iterativo, s que calculando:

COMUNIDADE
Uma caracterstica das redes complexas que elas so compostas por um conjunto de redes menores que funcionam de maneira simples. PARTICIONAMENTO DE REDES o procedimento de diviso da rede em vrias subredes de tal forma a identificar as comunidades existentes. Ex.: Estudar como funciona o processo de comunicao e difiso de informao na rede. O que define uma partio: Ligaes Mtuas: todos conhecem todos em um grupo. Ligaes Frequentes: todos conhecem a maioria do grupo. Proximidade: todos esto separados por no mximo n ns.

PARTICIONAMENTO POR CLIQUES

Um particionamento ideal aquele em que todas as parties formam uma REDE COMPLETA, ou seja, todos conhecem todos. O objetivo cortar um nmero mnimo de arestas de tal forma que obtemos N componentes conexos que formem REDES COMPLETAS. O CLIQUE de um grafo um grupo de ns que formam uma rede completa, ou seja, com todos os ns interligados entre si. O CLIQUE MXIMO um clique em que no existe nenhum outro n no pertencente a ele que, se adicionado, forme tambm um clique. Min-cut: minimizar o nmero de cortes de arestas para encontrar um particionamento. OBJETIVO DO PARTICIONAMENTO encontrar os conjuntos de ns que mais se aproximam de cliques. K-CORE grupos de ns que tenham ligaes com pelo menos k ns ao mesmo tempo. N-CLIQUES definir um grupo como ns que esto separados por no mximo n outros ns, mede o fluxo de informao atravs de intermedirios. N-CLUB conjunto de ns que formam subrede com dimetro de tamanho n. P-CLIQUES agrupar os ns com a restrio de que uma porcentagem p dos seus vizinhos faa parte do grupo. Em algumas redes as estruturas formadas por cliques no indicam a sua funcionalidade.

MTODOS BASEADOS EM CENTRALIDADE

CENTRALIDADE BETWEENNESS DE ARESTA arestas que dividem dois grupos de ns, metodo chamado de DIVISIVO pois a cada passo divide a rede em duas formando uma hierarquia de parties. (Mtodo de Girvan-Newman)

PARTICIONAMENTO ESPECTRAL
MATRIZ LAPLACIANA formada pela matriz de graus dos ns do grafo subtrada da matriz de adjacncia (L = G A). O nmero de AUTOVALORES iguais a ZERO representa o nmero de COMPONENTES CONEXOS da rede.

AUTOVETORES identificam os ns de cada componente conexo! VETOR FIEDLER: Tem autovalor correspondente maior que ZERO, se e someente se, a rede for conectada; Particiona a rede em duas redes distintas repartindo em torno de um n que divide a rede de forma simtrica.

A interpretao matemtica do particionamento espectral relacionado probabilidade de a informao que parte de um n se espalhar por ns do mesmo grupo.

MODULARIDADE
MODULARIDADE medida utilizada para analisar a qualidade de particionamento de redes. [ [ Seja (ABC) o grupo1 e (CDE) o grupo 2: e11 [(nmero de arestas que ligam os ns do grupo 1)*2]/[(total de arestas da rede)*2] e22 [(nmero de arestas que ligam os ns do grupo 2)*2]/[(total de arestas da rede)*2] e12 (nmero de arestas que ligam o grupo 1 ao grupo 2)/[(total de arestas)*2] e21 (nmero de arestas que ligam o grupo 2 ao grupo 1)/[(total de arestas)*2] ( ) ] [ ] ( ) ]

Caso a rede seja direcionada retire os *2!

SOBREPOSIO
CFINDER algoritmo para detectar parties com sobreposio identificando K-CLIQUES de uma rede. Dois K-CLIQUES so adjacentes se eles tm (k 1) ns em comum. Por um n poder pertencer a vrios cliques diferentes, eles podem pertencer a parties diferentes.

DIFUSO DE INFORMAO
Parte dos estudos de fluxo e difuso de informao se baseiam em estudos epidemiolgicos. Esses estudos modelam o espalhamento de doenas em redes sociais.

MODELO SIR (Suscetvel-Infectado-Recuperado)

Corresponde a um modelo em que uma pessoa passa pelo estgio suscetvel ao contgio, infectada e recuperada, quando no contrai novamente a doena. Ocorre em trs estgios: Inicialmente a pessoa est no estgio sucetvel em que ela no foi contagiada pela doena (no recebeu a informao), mas pode ser contagiada (pode ser informada) com certa probabilidade Pim. Caso ela seja contagiada (informada), essa pessoa passa para o estgio infectado e, nesse momento, ela tem a capacidade de contagiar (informar) outras pessoas com probabilidade Pc. Finalmente, aps certo tempo, a pessoa infectada se recupera (termina de transmitir a informao), passando ao estgio recuperado e se torna imune doena (perde o interesse pela informao) no podendo mais transmitir a doena (no transmitindo) ou ser contagiado por ela (recebendo ela novamente).

Dado que temos uma populao constante de tamanho N: S(t) representa o nmero de pessoas ainda no infectadas no instante t. I(t) representa o nmero de pessoas infectadas no instante t. R(t) representa o nmero de pessoas recuperadas no instante t.

Temos que: ( ) Em qualquer instante de tempo! ( ) ( )

Perguntas que devem ser respondidas:

Dado um n i inicialmente infectado, quais ns tero maiores chances de serem infectados? Estrutura da rede: quais ns esto concetados? Fora dos laos: quo frequente a comunicao entre dois ns? Qual n da rede devo infectar para que tenha a maior chance de contagio na rede inteira? Influncia e importncia dos ns da rede Coeficiente de Agrupamento Comunidade que cada n pertence Fora dos laos: quo atraente um n? Quais ns da rede devo imunizar para que o vrus no se espalhe? Coeficiente de Agrupamento Comunidade que cada n pertence Fora dos laos: quo atraente um n?

FORA DOS LAOS indica o quo prximo, ou a afinidade, entre dois ns (influncia da informao).

Laos fortes transmitem mais rapidamente a informao, enquanto laos intermedirios servem como ponte para uma informao atravessar a rede. A informao transmitida atravs de laos fortes atingem um grupo mais rapidamente, mas so redundantes por causa do alto grau de agrupamento. J as informaes que percorrem atravs de laos intermedirios ou fracos demoram mais para serem transmitidas, mas atingem uma maior parte da rede trazendo inovao. CONTGIO SIMPLES (SIR) ns so infectados com taxa constante. ABSORO DE INFORMAO ns adotam uma informao aps serem expostos a ela por uma frao dos ns vizinhos. Na rede linear, com poucos laos, h a possibilidade de uma maturao da informao por maior tempo, levando eventualmente a uma melhor inovao. J na rede conectda a informao converge mais rapidamente, pois todos adotam rapidamente a melhor ideia inicial, no produzindo uma melhor informao nova ao longo do tempo.

MODELO SIS (Suscetvel-Infectado-Suscetvel)

Modelo similar ao anterior, mas ao se curar de uma doena a pessoa se torna novamente suscetvel ao contgio.

PERCOLAO
Pode responder a pergunta: a informao consegue atravessar a rede inteira? um processo muito prximo do modelo de redes aleatrias Erdos-Rnyi. Utilizamos o modelo da percolao para verificar o quanto da rede est suscetvel doena (modelo SIR). Outra questo interessante que pode ser respondida com a difuso de informao e a percolao o quo resistente falhas uma rede complexa diante de ataques aleatrios. Se utilizarmos a percolao como a escolha de uma porcentagem de arestas (ou ns) a serem atacados e removidos, qual porcentagem ser necessria para cortar a comunicao da rede? FASE CRTICA a partir do modelo de percolao podemos verificar com qual valor de probabilidade a rede percolada. Tanto as redes sem escala como as redes aleatrias so resistentes a falhas eventuais, porm as redes aleatrias so mais resistentes ataques direcionados.

Homofilia
A tendncia que os ns tm de se conectar com outros ns similares tambm influencia a percolao das redes. Duas situaes podem ser observadas em redes reais: Os ns de maior grau preferem se conectar com ns similares (assortativos ou homoflicos); Os ns de maior grau preferem se conectar com ns diferentes (disassortativos ou heteroflicos).

ASSORTATIVIDADE
ASSORTATIVIDADE (r) mede justamente se uma rede tem preferncia por determinadas condies ou no. Esse valor varia de -1 1 e representa: r>0 os ns tendem a se conectarem com outros ns de grau similar. Rede Assortativa r<0 os ns tendem a se conectarem com outros ns de graus diferentes (grau alto comgrau baixo). Rede Disassortativa r ~0 os ns no tm preferncia.

Correlaao de Pearson ( uma correlao linear): ( ( ) ( ) ( ))

P(k1,k2) representa quantas vezes ocorre uma aresta em que o n de origem tem grau = k1 e o n de destino tem grau = k2 dividido pelo nmero de arestas (ou 2*|E| caso o grafo no seja direcionado). P(k1) representa quantas arestas tm n de origem com grau igual a k1 dividido pelo nmero de arestas. P(k2) representa quantas arestas tm n de destino com grau igual a k2 dividido pelo nmero de arestas.

( ))

( ))

))

))

Redes Sociais Redes Assortativas Redes Biolgicas e Tecnolgicas Redes Disassortativas

Outra medida muito utilizada a correlao de Spearman, que mede a tendncia de que, se uma varivel aumenta, a outra tambm aumenta, sem necessidade de ter uma correlao linear.

Figura 1 - Grfico de ponto crtico (1 ) por assortatividade (J)

-1

Figura 2 - Grfico de tempo de espalhamento (2 ) por assortatividade (J)

-1

Redes Assortativas
Tm um ponto crtico mais baixo, percolada mais rapidamente. No precisa de muito esforo para transmitir e espalhar informaes. desconectada rapidamente em ataques aleatrios. A velocidade de transmisso menor, portanto tempos mais tempo para medidas preventivas.

Redes Disassortativas
Tm um ponto crtico mais alto, demora mais para percolar. Tm um custo maior para a transmisso de informao. Resistentes a ataques aleatrios. A velocidade de transmisso maior, em caso de espalhamento de informao ser difcil conter a mesma.

As Redes Sociais so, em geral, assortativas! Logo elas so capazes de transmitir as doenas mais facilmente, so mais difceis de imunizar (vacinar poucos ns para desconectar a transmisso), porm existe um tempo maior para o processo de imunizao. As Redes Tecnolgicas so, em geral, disassortativas! Logo falhas no sistema dificilmente atinge boa parte da rede, so mais fceis de identificar os pontos mais importantes para proteger, mas se um ataque direcionado ocorrer, desconecta a rede muito mais rapidamente. REDE BIPARTIDA uma rede que contm dois conjuntos distintos de ns, com cada conjunto representando algo diferente, e que as arestas ligam ns de um conjunto a ns do conjunto. Essas redes seguem lei de potncia tanto no grau dos ns, quanto no coeficiente de agrupamento. MODULARIDADE HIERRQUICA ocorre quando os ns da rede se conectam seguindo um padro modular. Esse padro modular faz com que o metabolismo de qualquer ser vivo tenha aproximadamente o mesmo coeficiente de agrupamento mdio.