Resumo: A detailed characterization of complex networks using

Information Theory.
Ântones do Nascimento de Lima

Compreender a estrutura e a dinâmica das redes é um avanço para muitos

campos científicos. As métricas de Entropia de Rede (Shannon Entropy) e
Complexidade Estatística (Statistical Complexity), métodos tradicionais
utilizados para caracterizar esses atributos das redes, necessitam de cálculos
que normalmente são demorados, especificamente o cálculo da média de várias
redes aleatórias com o mesmo números de nós para obter a medida de
divergência (Jensen-Shannon Divergence).
Tanto a medida de Entropia quanto a de Complexidade podem ser
referidas como medidas globais, ou seja, são relativamente insensíveis à
mudanças que ocorrem em pequenos espaços da rede, mesmo que sejam
mudanças significativas.
Quando aplicados a redes aleatorias (Random) e redes sem escala
(Scale-free) estas estratégias apresentam ainda mais limitações, devido a
sobreposição das redes aleatórias aos outros modelos, o que gera equívocos na
avaliação das características destas redes.
Desse modo,o uso do quantificador de fisher (Fisher Information
Quantifier), se mostra uma possível alternativa para medida de desordem, por
ser mais sensível à relações locais entre os nós da rede, podendo detectar até
mesmo pequenas perturbações localizadas.
Paralelamente, a associação entre a entropia de Shannon e o
quantificador de Fisher (plano Shannon-Fisher) pode ser uma alternativa mais
leve em comparação ao plano Entropia-Complexidade, por dispensar o cálculo
de divergência necessário para encontrar a complexidade estatística,
diminuindo assim a carga computacional.
Para verificar a validade das estratégias propostas, foi realizada a
avaliação de dois grupos de redes: redes sintéticas geradas por algoritmo e
redes do mundo real.
Para avaliação das redes sintéticas, os quantificadores propostos foram
aplicados em simulações independentes de Redes Aleatórias (RN), Redes Small
World (SWN) e redes Scale-Free (SFN), para então analisar a variação da
entropia e da medida de informação de fischer.
Para avaliação das redes reais, foram considerados recursos topológicos
como agrupamento e largura média de links. Também foram considerados
indicadores do número de nós, o grau médio dos nós, a densidade de links,
coenficiente de entropia e a medida de informação de Fisher.
O procedimento verificou vários relacionamentos entre os parâmetros
informados, como os relacionamentos entre a densidade de link, a entropia das
redes e a medida de informação de fischer e o relacionamento entre a medida
de Fisher e a Entropia de Shannon.
Dentre os resultados, pode-se verificar que as redes scale-free podem ser
confundidas com outras no plano Shannon-Fisher, convergindo com estudos
recentes que apontam a raridade destas redes.
Baseando se na demonstração de Cohen é possível afirmar que maioria
das redes reais verificadas possuem comportamento de redes small-world,
baseando-se no número de nós(N) e no log N< 8,5 encontrado em cada rede,
como demonstrado por Cohen e Havlin.
Houveram resultados “estranhos”. Por exemplo, redes passíveis de serem
erroneamente confundidas com redes small-word quando verificado apenas o
valor small-world-ness. Outra possível confusão poderia acontecer com o
pequeno número de redes aleatórias identificadas, que poderiam ser
classificadas como scale-free ou redes regulares caso fosse considerada apenas
a técnica Shannon-Fisher.
Por fim, o método Shannon-Fisher se mostra capaz de caracterizar a
maioria das redes, com destaque para as redes reais. Mesmo que algumas
dessas redes tenham apresentado comportamentos inesperados, isso abre
caminho para diversos estudos sobre a avaliação de suas características.
No entanto redes reais possuem diversos componentes e podem ser
muito complexas, o que torna arriscada a verificação de apenas um parâmetro.
Nesses casos é interessante que haja um amplo leque de estratégias para
verificação de redes com comportamentos sigulares, aliado à capacidade e
percepção dos analistas, que devem estar atentos, por exemplo, à redes
escassas e possíveis conclusões precipitadas.
Relação com meu trabalho
Em relação ao meu trabalho, por ainda estar em estado embrionário,
estabelecer uma relação direta com a caracterização de redes complexas pode
parecer um tanto nebuloso.
No estado atual, a minha pesquisa propõe-se a sintetizar um modelo de
padronização de dados apartir da verificação de técnicas de captura e
reprodução de dados geoespaciais provenientes de sensoriamento colaborativo,
sendo portanto uma proposta que se preocupa muito mais com os dados que as
redes de sensoriamento fornecem do que com as suas características internas.
No entanto há alguns cenários a serem verificados. É importante não
descartar a possibilidade de que certas características das redes influenciem no
formato e no volume de dados que elas fornecem, o que por si só já deveria ser
considerado no desenvolvimento de um framework que receba e processe esses
dados em tempo hábil.
Outro ponto a ser considerado, é a possibilidade de a proposta se
direcionar para a padronização de uma categoria específica de sensores,
aplicativos ou dados, o que estreitaria a relação entre o framework ou algoritmo
desenvolvido e a rede em questão. Nesse caso, quanto maior o panorama de
características da rede mais preciso será o desenvolvimento do Software que
trabalhará integrado à ela.