ALGORITMOS ESPECTRAIS DE AGRUPAMENTO EM REDES SOCIAIS DE COAUTORIA

Abstract

The use of eigenvalues and eigenvectors of matrices associated with graphs are useful for extracting topological information networks. The present study aims to apply algorithms based on the eigenvectors of the Laplacian and signless Laplacian matrices of graphs to identify clusters of co-authorship networks. The computational experiments were carried out with the co-authorship networks produced from the site of the DataBase Systems and Logic Programming (DBLP), a database that contains several publications from the field of Computer Science in the major journals since 1932. Several co-authorship networks were generated from the DBLP at different periods of time in order to test the spectral clusters and identify the structure of research groups. The quality of the results was evaluated according to the measure of modularity and, in the cases tested, the spectral methods performed better than a classical clustering algorithm in the literature.

O uso de autovalores e autovetores de matrizes associadas a grafos tem se mostrado útil para extrair informações topológicas de redes. O presente estudo visa a aplicação de algoritmos baseados nos autovetores das matrizes laplaciana e laplaciana sem sinal de grafos para identificar agrupamentos em redes de coautoria. Os experimentos computacionais foram realizados com as redes de coautoria produzidas a partir do sítio do DataBase systems and Logic Programming (DBLP), base de dados que contém diversas publicações da área da Ciência da Computação nos principais periódicos da área desde 1932. Diversas redes de coautoria foram geradas a partir do DBLP em diferentes períodos de tempo com a finalidade de testar os agrupamentos espectrais e identificar as formações de grupos de pesquisa. A qualidade dos resultados obtidos foi avaliada de acordo com a medida de modularidade e, nos casos testados, os métodos espectrais tiveram melhor desempenho que um algoritmo clássico de agrupamento da literatura.