Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Matemática e Estatística
 
Estatística
 
Disciplina: MAE0519 - Estatística de Redes Sociais
Statistics of Social Networks

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 15/07/2020 Desativação:

Objetivos
Fornecer um quadro estatístico para analisar a transmissão da informação e a evolução do conjunto de opiniões e a formação de consenso em redes sociais.
 
 
 
Docente(s) Responsável(eis)
28578 - Jefferson Antonio Galves
 
Programa Resumido
O curso discutirá questões estatísticas, probabilísticas, computacionais e de ciência de dados necessárias para modelar os processos de formação de redes sociais e identificar em tempo real como a informação se propaga nessas redes.
 
 
 
Programa
1. Elementos básicos de teoria de grafos. Grafos aleatórios. O grafo de Erdos-Rényi. Transição de fase em gratos 	aleatórios. 	O modelo pequeno-mundo de Watts e Strogatz. Grafos com graus distribuídos segundo uma lei de potência.
2. Redes de opiniões evoluindo ao longo do tempo. O modelo clássico do votante, com e sem campo externo e robôs. Sistemas de votantes com memóriade alcance variável inter agindo entre si.
3. Formação e evolução temporal de redes sociais. O modelo de Barábasi e Albert. Processos estocásticos assumindo valores 	num conjunto de grafos marcados.
4. Detecção de comunidades em redes sociais. O modelo de grafo 	de adesão a comunidades (community affiliation-graph model). 	Seleção estatística de modelos como ferramenta para detectar comunidades. Identificação de gratos de interação em sistemas de processos com memória de alcance variável interagindo entre si.
5. Comunidades homogêneas em redes sociais. Formação rápida de consenso em redes sociais. Identificação de campanhas de opinião a partir de amostras parciais.
 
 
 
Avaliação
     
Método
Aulas e exercícios.
Critério
O aproveitamento dos estudantes será feito através da média ponderada de trabalhos, seminários, listas de exercícios e provas.
Norma de Recuperação
Média ponderada entre prova de recuperação e média do semeste.
 
Bibliografia
     
1. Brody, D.C. Modelling election dynamics and the impact of disinformation. Info. Geo. 2, 209–230 (2019).
https://link.springer.com/article/10.1007%2Fs41884-019-00021-2

2. Collins, D., Efford, C., Elliott, J., Farrelly, P., Hart, S. Knight, J., Lucas, I. C., OʼHara, B., Pow, R., Stevens, J., Watling, G.: House of Commons Digital, Culture, Media and Sport Committee: Disinformation and ‘fake newsʼ: Final Report, Eighth Report of Session2017–2019.
https://publications.parliament.uk/pa/cm201719/cmselect/cmcumeds/1791/1791.pdf

3.Duarte, A., Galves, A., Loecherbach, E., Ost, G.: Estimating the interaction graph of stochastic neural dynamics, Bernoulli 25(1), 2019,771–792
https://doi.org/10.3150/17-BEJ1006

4. R.A. Holley e T. M Liggett, Ergodic theorems for interacting infinite systems and the voter model, Annals of Probability, vol. 3, pag. 643-663, 1975 (https://
www.jstor.org/stable/2959329?seq=1#metadata_info_tab_contents)

5. Liggett, T.M. (1999). Stochastic interacting systems: contact, voter and exclusion processes. Springer. ISBN 3-540-65995-1.

6. Milgram, S.: The small world problem. Psychology Today 1(May):61-67 (1967).

7.Newman, M.: Networks, Oxford University Press, Second Edition (2018) DOI: 10.1093/oso/9780198805090.001.0001

8. Travers, J., S Milgram, S,: An experimental study of the “small world” problem Sociometry, no 32(1969)

9. Vosoughi, S., Roy, D., Aral, S.: The spread of true and false news online. Science, Vol. 359, Issue 6380, pp. 1146-1151 (2018).
https://science.sciencemag.org/content/359/6380/1146

10. Watts, D. J., Strogatz, S. H.: Collective dynamics of small-world net works. Nature 393,440–442 (1998).

11. J. Yang and J. Leskovec, Community-Affiliation graph model for overlapping network community detection, 2012 IEEE 12th International Conference on Data Mining, Brussels, 2012, pp. 1170-1175.

12. Y. Yang, L. Zhou, Z. Jin and J. Yang, "Meta path-based Information entropy for modeling social Influence in heterogeneous Information networks," 2019 20th IEEE International Conference on Mobile Data Management (MDM), Hong Kong, Hong Kong, 2019, pp. 557-562.
 

Clique para consultar os requisitos para MAE0519

Clique para consultar o oferecimento para MAE0519

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP