Mercados financeiros são sistemas complexos com estrutura e comportamento extremamente dependentes das interrelações entre os seus componentes. Em particular, a teoria de redes tem contribuído para caracterizar e compreender o comportamento e as interdependências entre vários componentes do mercado financeiro, em especial, o mercado de ações. Pesquisas nessa área indicam que a estrutura de rede gerada do mercado pode conter informações úteis para um melhor entendimento do mercado como um todo e até mesmo prever a ocorrência de eventos extremos, como, por exemplo, uma crise financeira. Em geral, os estudos consideram apenas dependências lineares entre os objetos da rede baseados no coeficiente de correlação linear de Pearson, e nesse sentido, a proposta deste projeto é a aplicação de conceitos e métodos de teoria de redes e de teoria da informação para caracterizar e explorar o efeito de dependências não lineares na estrutura de rede do mercado brasileiro de ações. Para tal, a informação mútua foi usada como medida de dependência não linear para gerar a estrutura de redes que foi comparada com a obtida a partir da correlação linear de Pearson. Por fim, investigou-se como a estrutura da rede e suas métricas poderiam ajudar a caracterizar e a entender o comportamento dos mercados financeiros, analisando-se dois períodos, o primeiro sob gestão da Presidente Dilma Rousseff, com um retorno do índice de ações de -42%, e o segundo sob gestão do Presidente Michel Temer, com um retorno deste índice de 50%. Para tal fim, foram utilizados dados de alta frequência, sendo uma cotação a cada 15 minutos. Em suma, concluiu-se que os retornos dos ativos no segundo período parecem ter maior dependência não-linear quando comparados aos retornos do período anterior. A rede para este período é a que se mostra mais arriscada em termos de estrutura de \'transmissão de volatilidades\', tanto pela análise do coeficiente de robustez da rede, quanto pela estimativa do parâmetro da lei de potência. Encontrou-se evidência da relação entre estrutura das redes e desempenho das ações. Além disso, vimos a grande importância do setor financeiro nas redes. Finalmente, tecemos comentários quanto a aplicação destas redes para diversos fins. / This paper has the purpose to apply concepts and methods from network and information theory to characterize and to explore the role of nonlinear dependencies over the Brazilian network stock market structure. In particular, the minimum spanning tree network structure generated from the mutual information as a measure of nonlinear dependence was compared with the one obtained by Pearson\'s correlation coefficient. We analyzed two periods, the first under the management of President Dilma Rousseff, with an index return of -42%, and the second one, under the management of President Michel Temer, with an index return of 50%. For this purpose, high frequency data of fifteen minutes interval was used. Our analysis suggest that the assets returns of Temer\'s presidential term seem to have greater nonlinear dependence when compared to the returns of the previous period. Also, the network\'s robustness coefficient and power law parameter suggests that the network for the second period is the most risky in terms of volatility transmission structure. Also, we find evidence of network structure and stock performance relationship. Finally, we have also seen the great importance of financial sector within Brazilian\'s stock network

Orientador: Marcus Aloizio Martinez de Aguiar / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Física Gleb Wataghin / Made available in DSpace on 2018-08-20T00:25:10Z (GMT). No. of bitstreams: 1 Fernandes_LucasDias_M.pdf: 4124571 bytes, checksum: c9eaf6c1371f1023d813ae1f45f3aa27 (MD5) Previous issue date: 2012 / Resumo: Sistemas de reação-difusão podem apresentar, sob certas condições, formação de padrões espaciais heterogêneos estacionários. Chamados padrões de Turing (ou instabilidades de Turing) devido ao trabalho de Alan Turing, sua formulação matemática é importante para o estudo da formação de padrões em geral e desempenha papel central em muitos campos da biologia, tais como ecologia e morfogênese. No presente estudo, focamos no papel exercido pelos padrões de Turing na descrição de distribuições de abundância de espécies de predadores e presas que habitam ambientes fragmentados com estrutura de rede livre de escala, onde as conexões indicam caminhos de dispersão dessas espécies. Para estudar formação de padrões em cadeias tróficas maiores, nós estendemos o modelo de presa-predador original, proposto por Nakao e Mikhailov (Nature Physics, 2010), incluindo pares de presa-predador adicionais. Mostramos que esses sistemas dinâmicos com mais de dois graus de liberdade apresentam não apenas padrões de Turing, mas também transições entre regimes caóticos, sincronizados e estacionários, dependendo dos parâmetros do sistema. Para o caso dos padrões estacionários em uma cadeia trofica com 6 espécies, identificamos distribuições não triviais das presas nos sítios da rede, dependendo da força de acoplamento entre os pares presa-predador, o que sugere que efeitos de competição aparente são importantes nos padrões observados. Nossos resultados sugerem que diferenças nas distribuições de abundância entre fragmentos podem ser, pelo menos em parte, devidos a padrões de Turing auto-organizados, e não necessariamente a heterogeneidades ambientais intrínsecas / Abstract: Reaction-diffusion systems may lead, under certain conditions, to the formation of steady state heterogeneous spatial patterns. Named Turing patterns (or Turing instabilities) after Alan Turing's work, their mathematical formulation is important for the study of pattern formation in general and play central roles in many elds of biology, such as ecology and morphogenesis. In the present study, we focus on the role of Turing patterns in describing the abundance distribution of species distributed in patches in a scale free network structure, connected by diffusion. In order to study pattern formation in larger trophic food webs, we have extended the original prey-predator model proposed by Nakao and Mikhailov (Nature Physics, 2010) by including additional prey-predator pairs. We observed not only Turing patterns, but also transitions between chaotic, synchronized and stationary regimes, depending on the system parameters. In the case of stationary patterns in trophic webs with 6 species, we identified non trivial prey distributions in the networks nodes, depending on the coupling strength between prey-predator pairs, suggesting that effects of apparent competition are important in the observed patterns. Our results suggest that differences in abundance distribution among patches may be, at least in part, due to self organized Turing patterns, and not necessarily to intrinsic environmental heterogeneities / Mestrado / Física / Mestre em Física

[pt] Muitas vezes enfrentamos o desafio de escolher entre diferentes opções com atratividade semelhante como, por exemplo, na escolha de um candidato parlamentar, na escolha de um filme ou ao comprar um produto no supermercado. A fim de estudar a distribuição das preferências em tais situações, podemos considerar dinâmicas de opinião (com diversas opções possíveis, contemplando também os casos em que há indecisão) em redes. Neste trabalho, utilizamos duas dinâmicas distintas: uma envolvendo o contágio direto de cada sítio para a sua vizinhança (regra A) e a outra onde a opinião de cada sítio é definida pela maioria relativa local (regra B). A topologia da rede de contatos pode ter um efeito importante sobre a distribuição final de opiniões. Utilizamos as redes de Watts-Strogatz e, em particular, estamos interessados em investigar a contribuição da aleatoriedade p da rede no resultado final das dinâmicas. Dependendo das propriedades estruturais da rede e das condições iniciais, podemos ter diferentes resultados finais: equipartição de preferências, consenso e situações onde a indecisão é relevante. O papel da aleatoriedade da rede é não trivial: para um número pequeno de opiniões, as regras A e B (esta última com atualização síncrona) apresentam um valor ótimo de p, onde o predomínio da opinião vencedora é máximo. Já para a regra da pluralidade com atualização assíncrona, o aumento do número de atalhos pode até mesmo promover situações de consenso. Além disso, as duas dinâmicas (e seus diferentes modos de atualização) coincidem para baixa desordem da rede, mas diferem para graus de desordem maiores. Observaremos também que a quantidade de iniciadores diminui a fração da opinião vencedora para todas as dinâmicas e atenua o máximo local que aparece na região de mundo pequeno. / [en] People often face the challenge of choosing amongst different options with similar attractiveness, such as when choosing a parliamentary candidate, a movie or buying a product in the supermarket. In order to study the distribution of preferences in such situations, we can consider opinion dynamics (where different options are available as well as the undecided state) in network. In this work, we use two different opinion dynamics: one involving the direct contagion from each site to its neighborhood (rule A) and another where the opinion of each site is defined by the local relative majority (rule B). The contact network topology can have a important effect in the final distribution of opinions. We use the Watts-Strogatz network and, in particular, we are interested in investigating the contribution of the network randomness p in the output of the dynamics. Depending on the structural properties of the network and the initial conditions, the final distribution can be: equipartition of preferences, consensus and situations where indecision is relevant. The role of network randomness is nontrivial: for a small number of opinions, the rules A and B (the latter with synchronous update) present an optimum value of p, where the predominance of a winning opinion is maximal. Moreover, for the plurality rule with asynchronous update, the increase of the number of shortcuts can even promote consensus situations. Furthermore, both dynamics coincide for small disorder of the network, but differ for larger disorder. Also we observe that the number of initiators decreases the value of the winning fraction in all types of dynamics and attenuates the local maximum that appears in the small-world region.

Orientadores: Siome Klein Goldenstein, Ricardo da Silva Torres / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-22T01:52:05Z (GMT). No. of bitstreams: 1 Rezende_RodrigoCarvalho_M.pdf: 3704794 bytes, checksum: 387c6f6ddc154e08ed8277b50d9a99df (MD5) Previous issue date: 2012 / Resumo: Esta dissertação estuda técnicas de Link Analysis para o problema de se calcular similaridade entre artigos acadêmicos organizados em uma biblioteca digital. Neste trabalho construímos um conjunto de dados e desenvolvemos um protocolo experimental para avaliar a eficácia das técnicas desenvolvidas. Para lidar com a alta complexidade dos algoritmos de similaridade para o nosso conjunto de dados, estudamos técnicas de amostragem de grafos e avaliamos objetivamente a qualidade das amostras geradas por estes métodos. A partir deste estudo, propomos um novo algoritmo de amostragem baseado na técnica Forest Fire. Experimentos realizados demonstram a superioridade do algoritmo de amostragem proposto. Além disso, apresenta-se uma nova meta-função de similaridade para artigos acadêmicos que considera apenas a informação de citação entre artigos, sem levar em conta o conteúdo textual e seus metadados para dizer o quanto um artigo é similar a outro. Esta meta-função transforma medidas de similaridade locais, como o coeficiente Jaccard e Adamic/Adar, em medidas recursivas, cuja similaridade depende recursivamente da similaridade de outros artigos relacionados, explorando a ideia de que dois artigos são mais similares na medida em que estão associados a artigos que também são similares. Para avaliação de eficácia do método proposto, criamos um gabarito de similaridade, que deriva da classificação hierárquica dos artigos no sistema de classificação de 1998 da Association for Computer Machinery (ACM). Este gabarito cria uma noção de similaridade tal que dois artigos são mais similares na medida em que são classificados em classes similares, isto é, que estão em classes hierarquicamente próximas. Experimentos são conduzidos no grafo de citação de artigos, extraído da biblioteca digital da ACM, contendo um subconjunto de 122.774 artigos e 523.699 arestas de citações, e comparam esta nova meta função de similaridade com o gabarito de similaridade e revelam que esta gera melhor eficácia que as medidas de similaridade locais consideradas. Além disso, avaliamos esta técnica na atividade prática de busca, por exemplo, e confirmamos que este meta-algoritmo melhora a eficácia das medidas locais consideradas / Abstract: These work studies techniques of Link Analysis used to address the problem of computing the similarity between academic papers organized in a digital library. We constructed a bibliographic dataset and developed an experimental protocol to evaluate the effectiveness of these techniques. To handle the high complexity of the similarity algorithms applied to our dataset, we study graph sampling techniques and evaluate the quality of the samples generated by these methods. This study lead to the proposal of a new sampling algorithm based on an existing technique named Forest Fire. Experiments results demonstrate the superiority of the proposed sampling algorithm. Moreover, we present a new metasimilarity function for scholarly articles that considers only the citation information, which does not take into account their textual content and its metadata, to compute how much an article is similar to another. This meta-function transforms local similarity measures, such as the Jaccard coefficient and Adamic/Adar, into recursive measures, whose similarity score recursively depends on the similarity of other related articles, exploring the idea that two articles are more similar if they are associated with articles which are also similar. To evaluate the effectiveness of the proposed method, we constructed a groundtruth of similarity, which derives from a hierarchical classification system of the Association for Computer Machinery (ACM). This groundtruth creates a notion of similarity such that two articles are more similar if they fall into similar classes (those that are hierarchically close to each other). Experiments are conducted in the citation graph, extracted from the ACM Digital Library, containing a subset of 122,774 articles and 523,699 citation edges. Obtained results demonstrate that this new meta-similarity function outperforms baselines. Furthermore, these results are confirmed in other experiments concerning the use of the proposed meta-functions in similarity search tasks / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Orientadores: André Franceschi de Angelis, Regina Lúcia de Oliveira Moraes / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia / Made available in DSpace on 2018-08-27T04:53:50Z (GMT). No. of bitstreams: 1 Libardi_PaulaLucieneOliveira_M.pdf: 1610224 bytes, checksum: a08b75cd1a30c421927617ee8b6ac8d4 (MD5) Previous issue date: 2015 / Resumo: A identificação de usuários falecidos em Redes Sociais Online é um desafio em aberto e, dado o tamanho das principais redes, abordagens que envolvam intervenção manual são impraticáveis. Usuários inativos por longo tempo inviabilizam soluções simples tais como a expiração de um prazo desde o último acesso, o que torna difícil a diferenciação entre inativos e falecidos. Esta pesquisa iniciou-se com o pressuposto de que o problema poderia ser parcialmente resolvido com métodos automáticos e a hipótese era de que dois métodos aqui propostos, um baseado na análise de frequência de mensagens trocadas entre usuários e outro fundamentado na combinação de informações da topologia da rede junto a inspeções de mensagens, poderiam identificar satisfatoriamente parte dos usuários falecidos. Para testar esta hipótese, recorreu-se à simulação computacional, usando topologias livre de escala e aleatória. O programa que simula as redes foi construído de forma a aplicar e testar os métodos de identificação de falecidos, seguindo padrões de projeto que permitem facilmente a troca ou o encadeamento dos algoritmos a validar. Dessa característica, originou-se um terceiro método, que é a combinação das saídas de algoritmos detectores aplicados anteriormente à rede. Os resultados da pesquisa validaram a hipótese, sendo que os dois métodos propostos inicialmente tiveram, cada qual, índices de acerto superiores a 70% na maioria dos casos simulados, independentemente da topologia da rede. Em ambos os métodos, no entanto, é necessária uma calibração de dois parâmetros operacionais, o que exige algum conhecimento da rede examinada e influencia na taxa de detecção. O último método mostrou-se bastante eficiente, com detecção correta superior a 94%, e capaz de absorver flutuações na taxa de detecção dos demais métodos advindas de suas respectivas parametrizações. Portanto, os objetivos da pesquisa foram plenamente atingidos, com a validação da hipótese inicial, a proposta de três métodos para a solução do problema e a geração de um produto tecnológico, o Demortuos, que é o software de simulação da rede e teste dos métodos, atualmente em processo de registro no Instituto Nacional da Propriedade Industrial (INPI). Adicionalmente, foram abertas possibilidades para o desenvolvimento de métodos automáticos para busca de outras classes de usuários / Abstract: Identifying deceased users in Online Social Networks is an open challenge and, given the size of the main networks, approaches involving manual intervention are impractical. Inactive users for a long time prevent simple solutions such as the expiration of a period since the last entry, making it difficult to differentiate between inactive and deceased users. This research began with the assumption that the problem could be partially solved with automated methods and the hypothesis was that two methods proposed here, one based on frequency analysis of messages exchanged between users and the other based on the combination of topology information network with the messages of inspections, could satisfactorily identify the part of deceased users. To test this hypothesis, we used the computer simulation, using free topologies of scale and random, the latter for comparison purposes. The program that simulates the network was constructed to implement and test the deceased identification methods, following design patterns that easily allow the exchange or the chain of algorithms to validate. This characteristic gave up a third method, which is combining the outputs of detectors algorithms previously applied to the network. The survey results validated the hypothesis, and the two proposed methods initially had, each, hit rates of over 70% in most cases simulated, regardless of the network topology. In both methods, however, two operating parameters calibration is necessary, which requires some knowledge of the network and examined influences the detection rate. The last method proved to be very efficient with proper detection above 94%, and able to absorb fluctuations in the detection rate of other methods resulting from their respective parameterization. Therefore, the research objectives were fully achieved, with the validation of the initial hypothesis, the proposed three methods for the solution of the problem and the generation of a technological product, Demortuos, which is the network simulation software and testing methods currently in the registration process at the National Institute of Industrial Property (INPI). Moreover, possibilities are opened for the development of automated methods to search for other classes of users / Mestrado / Tecnologia e Inovação / Mestra em Tecnologia

A Clusterização de dados em grupos oferece uma maneira de entender e extrair informações relevantes de grandes conjuntos de dados. A abordagem em relação a aspectos como a representação dos dados e medida de similaridade entre clusters, e a necessidade de ajuste de parâmetros iniciais são as principais diferenças entre os algoritmos de clusterização, influenciando na qualidade da divisão dos clusters. O uso cada vez mais comum de grandes conjuntos de dados aliado à possibilidade de melhoria das técnicas já existentes tornam a clusterização de dados uma área de pesquisa que permite inovações em diferentes campos. Nesse trabalho é feita uma revisão dos métodos de clusterização já existentes, e é descrito um novo método de clusterização de dados baseado na identificação de comunidades em redes complexas e modelos computacionais inspirados biologicamente. A técnica de clusterização proposta é composta por duas etapas: formação da rede usando os dados de entrada; e particionamento dessa rede para obtenção dos clusters. Nessa última etapa, a técnica de otimização por nuvens de partículas é utilizada a fim de identificar os clusters na rede, resultando em um algoritmo de clusterização hierárquico divisivo. Resultados experimentais revelaram como características do método proposto a capacidade de detecção de clusters de formas arbitrárias e a representação de clusters com diferentes níveis de refinamento. / DAta clustering is an important technique to understand and to extract relevant information in large datasets. Data representation and similarity measure adopted, and the need to adjust initial parameters, are the main differences among clustering algorithms, interfering on clusters quality. The crescent use of large datasets and the possibility to improve existing techniques make data clustering a research area that allows innovation in different fields. In this work is made a review of existing data clustering methods, and it is proposed a new data clustering technique based on community dectection on complex networks and bioinspired models. The proposed technique is composed by two steps: network formation to represent input data; and network partitioning to identify clusters. In the last step, particle swarm optimization technique is used to detect clusters, resulting in an hierarchical clustering algorithm. Experimental results reveal two main features of the algorithm: the ability to detect clusters in arbitrary shapes and the ability to generate clusters with different refinement degrees

O estudo de redes complexas tem alavancado um tremendo interesse em anos recentes. Uma das características salientes de redes complexas é a presença de comunidades, ou grupos de nós densamente conectados. A detecção de comunidades pode não apenas ajudar a entender as estruturas topológicas de redes complexas, mas também pode fornecer novas técnicas para aplicações reais, como mineração de dados. Neste trabalho, propomos um novo modelo para detecção de comunidades em redes complexas, no qual várias partículas caminham na rede e competem umas com as outras para marcar seu próprio território e rejeitar partículas intrusas. O processo atinge o equilíbrio dinâmico quando cada comunidade tem apenas uma partícula. Nossa abordagem não apenas pode obter bons resultados na detecção de comunidades, como também apresenta diversas características interessantes: 1) O processo de competição de partículas é similar a muitos processos naturais e sociais, tais como competição de animais por recursos, exploração territorial por humanos (animais), campanhas eleitorais, etc.. Portanto, o modelo proposto neste trabalho pode ser útil para simular a dinâmica evolutiva de tais processos. 2) Neste modelo, nós introduzimos uma regra para controlar o nível de aleatoriedade do passeio da partícula. Descobrimos que uma pequena porção de aleatoriedade pode aumentar bastante a taxa de detecção de comunidades. Nossa descoberta é análoga ao notável fenômeno chamado ressonância estocástica onde o desempenho de um sistema determinístico não-linear pode ser bastante melhorado através da introdução de um certo nível de ruído. É interessante notar que tal fenômeno é observado em uma situação diferente aos sistemas clássicos de ressonância estocástica. 3) Nossa descoberta indica que a aleatoriedade tem um papel importante em sistemas evolutivos. Ela serve para automaticamente escapar de armadilhas não desejáveis e explorar novos espaços, isto é, ela é um descobridor de novidades. 4) Uma análise quantitativa para processo de competição entre duas particulas e duas comunidades foi conduzida, a qual é um passo de avanço para desenvolvimento de teoria fundamental de aprendizado competitivo / Study of complex networks has triggered tremendous interests in recent years. One of the salient features of complex networks is the presence of communities, or groups of densely connected nodes. Community detection can not only help to understand the topological structure of complex networks, but also provide new techniques for real applications, such as data mining. In this work, a new model for complex network community detection is proposed, in which several particles walk in the network and compete with each other to mark their own territory and reject particle intruders. The process reaches dynamics equilibrium when each community has only one particle. This approach not only can get good community detection results, but also presents several interesting features: 1) The particle competition process is rather similar to many natural and social processes, such as resource competition by animals, territory exploration by humans (animal), election campaigns, etc.. Thus, the model proposed in this work may be useful to simulate dynamical evolution of such processes. 2) In this model, a rule to control the level of randomness of particle walking is introduced. We found a small portion of randomness can largely improve the community detection rate. Such a finding is analogous to a remarkable phenomenon called stochastic resonance (SR) where the performance of a nonlinear deterministic system can be largely enhanced by introducing a certain level of noise. Interestingly, such a SR-type phenomenon is observed in quite a different situation from classical SR systems. 3) Our finding indicates that randomness has an important role in evolutionary systems and in machine learning. It serves to automatically escape some undesirable traps and explore new spaces, i.e., it is a novelty finder. 4) A quantitative analysis for two particle competition in two communities is provided. This is a step toward the development of fundamental theory of competitive learning

Diferentes tipos de neurônios possuem formas distintas, um fator importante para a regulação da forma é a expressão gênica. Além disso, esta característica também está relacionada com a conectividade entre as células nervosas, formando redes. Por meio delas ocorrem as dinâmicas, como por exemplo o aprendizado. Neste trabalho foi desenvolvido um arcabouço de modelagem e simulação neuronal, para analisar a integração das etapas desde a expressão gênica, passando pela geração dos neurônios até as dinâmicas, permitindo o estudo do sistema e relacionamento entre as partes. Na etapa de geração, foram utilizados diferentes padrões de expressão gênica. Por meio dos neurônios, foram criadas as redes, caracterizadas utilizando medidas de centralidade. Ademais, foram executadas as dinâmicas integra-e-dispara, que simula a comunicação entre os neurônios, e o desenvolvimento hebiano, que é uma dinâmica aplicada para simular o aprendizado. Para quantificar a influência da expressão gênica, foram utilizadas as medidas de correlação de Pearson e a informação mútua. Por meio destes testes, foi possível observar que a expressão gênica influencia todas as etapas, sendo que nelas, exceto na geração da forma neuronal, os padrões de expressão com que os neurônios foram organizados também são um fator importante. Além disso, na medida de centralidade betweenness centrality, foi possível observar a formação de caminhos, denominados caminhos do betweenness. Para descrever os caminhos, foram feitas comparações entre as redes neuronais e outras redes espaciais. Assim, foi possível observar que estes caminhos são uma característica comum em redes geográficas e estão relacionados com as comunidades da rede. / Different types of neurons have distinct shapes. An important factor for shape regulation is gene expression, which is also related to the connectivity between nervous cells, creating networks. Dynamics, such as learning, can take place in those networks. In this work we developed a framework for modeling and simulating neurons allowing an integrated analysis from gene expression to dynamics. It will allow the study of the system as a whole as well as the relationships between its parts. In the neuron generation step, we used different patterns of gene expression. The networks were created using those neurons, and several centrality measures were computed to characterize them. Moreover, the dynamic processes considered were the integrate-and-fire model, which simulates communication between neurons, and the hebbian development, which is applied to simulate learning. During every step, Pearsons correlation and mutual information between the level of expression was measured, quantifying the influence of gene expression. Through these experiments it was observed that the gene expression influences all steps, which is in all cases, except in the generation of neuronal shape, an important factor. In addition, by analyzing the betweenness centrality measure, it is possible to observe the formation of paths. To study these paths, comparisons between models and other spatial networks were performed. Thus, it was possible to observe that paths are a common feature in other geographical networks, being related to the connections between network communities.

Diferentes sistemas do mundo real podem ser representados por redes. As redes são estruturas nas quais seus vértices (nós) representam entidades e links representam relações entre essas entidades. Além disso, as redes caracterizam-se por ser estruturas dinâmicas, o que implica na rápida aparição e desaparição de entidades e seus relacionamentos. Nesse cenário, um dos problemas importantes a serem enfrentados no contexto das redes, é da predição de links, isto é, prever a ocorrência futura de um link ainda não existente entre dois vértices com base nas informações já existentes. A importância da predição de links deve-se ao fato de ter aplicações na recuperação de informação, identificação de interações espúrias e, ainda, na avaliação de mecanismos de evolução das redes. Para enfrentar o problema da predição de links, a maioria dos métodos utiliza informações da vizinhança topológica das redes para atribuir um valor que represente a probabilidade de conexão futura entre um par de vértices analisados. No entanto, recentemente têm aparecido métodos híbridos, caracterizados por usar outras informações além da vizinhança topológica, sendo as informações das comunidades as normalmente usadas, isso, devido ao fato que, ao serem grupos de vértices densamente ligados entre si e esparsamente ligados com vértices de outros grupos, fornecem informações que podem ser úteis para determinar o comportamento futuro das redes. Assim, neste trabalho são apresentadas duas propostas na linha dos métodos baseados nas informações das comunidades para predição de links. A primeira proposta consiste em um novo índice de similaridade que usa as informações dos vértices pertencentes a mesma comunidade na vizinhança de um par de vértices analisados, bem como as informações dos vértices pertencentes a diferentes comunidades nessa mesma vizinhança. A segunda proposta consiste de um conjunto de índices obtidos a partir da reformulação de algumas propostas já existentes, porém, inserindo neles informações dos vértices pertencentes unicamente à mesma comunidade na vizinhança topológica de um par de vértices analisados. Experimentos realizados em dez redes complexas de diferentes domínios demonstraram que, em geral, os índices propostos obtiveram desempenho superior às abordagens usuais / Different real-world systems can be represented as networks. Networks are structures in which vertices (nodes) represent entities and links represent relationships between these entities. Moreover, networks are dynamic structures, which implies rapid appearance and disappearance of entities and their relationships. In this scenario, the link prediction problem attempts to predict the future existence of a link between a pair of vertices considering existing information. The link prediction importance is due to the fact of having different applications in areas such as information retrieval, identification of spurious interactions, as well as for understanding mechanisms of network evolution. To address the link prediction problem, many proposals use topological information to assign a value that represents the likelihood of a future connection between a pair of vertices. However, hybrid methods have appeared recently. These methods use additional information such as community information. Communities are groups of vertices densely connected among them and sparsely connected to vertices from other groups, providing useful information to determinate the future behavior of networks. So, this research presents two proposals for link prediction based on communities information. The first proposal consists of a new similarity index that uses information about the communities that the vertices in the neighborhood of a analyzed pair of vertices belong. The second proposal is a set of indices obtained from the reformulation of various existing proposals, however, using only the information from vertices belonging to the same community in the neighborhood of a pair of vertices analyzed. Experiments conducted in ten complex networks of different fields show the proposals outperform traditional approaches

Na natureza e na ciência, dados e informações que desviam significativamente da média frequentemente possuem grande relevância. Esses dados são usualmente denominados na literatura como outliers. A identificação de outliers é importante em muitas aplicações reais, tais como detecção de fraudes, diagnóstico de falhas, e monitoramento de condições médicas. Nos últimos anos tem-se testemunhado um grande interesse na área de Redes Complexas. Redes complexas são grafos de grande escala que possuem padrões de conexão não trivial, mostrando-se uma poderosa maneira de representação e abstração de dados. Embora um grande montante de resultados tenham sido reportados nesta área de pesquisa, pouco tem sido explorado acerca de detecção de outliers em redes complexas. Considerando-se a dinâmica de uma caminhada aleatória, foram propostos neste trabalho uma medida de distância e um método de ranqueamento de outliers. Através desta técnica, é possível detectar como outlier não somente nós periféricos, mas também nós centrais (hubs), depedendo da estrutura da rede. Também foi identificado que existem características bem definidas entre os nós outliers, relacionadas a funcionalidade dos mesmos para a rede. Além disso, foi descoberto que nós outliers têm papel importante para a rotulação a priori na tarefa de detecção de comunidades semi-supervisionada. Isto porque os nós centrais são bons difusores de informação e os nós periféricos encontram-se em regiões de borda de comunidade. Baseado nessa observação, foi proposto um método de detecção de comunidades semi-supervisionado. Os resultados de simulações mostram que essa abordagem é promissora / In nature and science, information and data that deviate significantly from the average value often have great relevance. These data are often called in literature as outliers. Outlier identification is important in many real applications, such as fraud detection, fault diagnosis, monitoring of medical conditions. In recent years, it has been witnessed a great interest in the area of Complex Networks. Complex networks are large-scale graphs with non-trivial connection patterns, proving to be a powerful way of data representation and abstraction. Although a large amount of results have been reported in this research area, little has been explored about the outlier detection in complex networks. Considering the dynamics of a random walk, we proposed in this paper a distance measure and a outlier ranking method. By using this technique, we can detect not only peripheral nodes, but also central nodes (hubs) as outliers, depending on the network structure. We also identified that there are well defined relationship between the outlier nodes and the functionality of the same nodes for the network. Furthermore, we found that outliers play an important role to label a priori nodes in the task of semi-supervised community detection. This is because the hubs are good information disseminators and peripheral nodes are usually localized in the regions of community edges. Based on this observation, we proposed a method of semi-supervised community detection. The simulation results show that this approach is promising