Universidade Federal de Santa Catarina UFSC. Data mining na Web 2.0
|
|
- Linda Maranhão Pais
- 6 Há anos
- Visualizações:
Transcrição
1 Universidade Federal de Santa Catarina UFSC Centro Tecnológico CTC Departamento de Informática e Estatística INE Seminário de Data Mining Data mining na Web 2.0 Disciplina: Data Mining INE5644 Professor: Luis Otávio Campos Alvares Alunos: Alexandre Spengler Danielly Sorato Lucas Just Meller Maurício Branco
2 Data mining na Web Introdução A necessidade de evolução de técnicas na área da informática é gerada por muitos fatores, na perspectiva do eixo temático deste trabalho, o fator predominante é a inequação das antigas técnicas utilizadas para mineiração de dados na web tendo em vista a evolução da mesma. Na chamada Web 1.0, as características predominantes eram sites estáticos, não interativos e com aplicativos fechados, porém, com o avanço no conjunto de técnicas para design e execução de páginas da Web, geração de grandes volumes de dados em curto período de tempo, é apresentado um novo conceito de Web, proposto por Tim O Reilly para designar uma segunda geração de comunidades e serviços baseados na plataforma Web, que foi denominada Web 2.0. Não obstante, com esta nova fase da Web, surgiram problemas e desafios relacionados à redes sociais, agregação fácil e rápida de conteúdo de forma não significativa, tipos dos dados usados, prejudicando a maneira de filtrar o material relevante do irrelevante. Em seu desenvolvimento, esse trabalho irá abordar aspectos de data mining, tais como dificuldades apresentadas, processos, aplicações e novos algoritmos em relação a essa evolução da Web.
3 2. Tipo de mineração 2.1. Mineração de Conteúdo A mineração de conteúdo é o processo de extração de conhecimento do conteúdo de documentos, dados e serviços encontrados na Web. O foco da mineração Web são os dados de texto e hipertexto, são os formatos de dados que constituem grande parte da Web. Para extração de informações úteis em documentos de texto não estruturados é utilizada a Mineração de Textos, também conhecida como Descoberta de Conhecimento em Textos (Knowledge Discovered in Texts KDT). Pode se definir KDT como sendo o processo de extrair padrões ou conhecimento, interessantes e não triviais, a partir de documentos textuais Mineração de estrutura Mineração de estrutura é o processo de descoberta de conhecimento a partir da organização da Web, em especial através da ligação entre documentos na Web. A Web é como um grafo orientado, onde os nós representam páginas, e as arestas entre pares de nós representam vínculos entre as páginas. Esta categoria envolve a estrutura que há por trás da interligação entre os documentos da Web. O que liga esses documentos são os vínculos de hipertexto (LINKS), os quais são os principais objetos de estudo nesta categoria. Alguns algoritmos foram propostos para a modelagem da topologia da Web tais como o HITS ( Hyperlinked Induced Topic Search ) e o PageRank. Esses modelos são aplicados principalmente para calcular a qualidade ou relevância das páginas da Web. Uma das regras utilizadas é que quanto mais páginas estiverem apontando para uma determinada página, mais relevante ela será. O pagerank é famoso por causa do google Mineração de uso A mineração de uso da Web focaliza se em técnicas que possam prever o comportamento do usuário enquanto ele interage com a Web [Kosala, 2000]. O comportamento do usuário é estudado, através de logs de servidores web, logs de browsers, perfis de usuário, cookies e qualquer outro dado gerado pela interação do usuário, na busca de informações sobre a interação com a Web.
4 As aplicações da mineração de uso da Web podem ser classificadas em duas categorias principais: (KOSALA & BLOCKEEL, 2000): Aprendizado de perfil de usuário ou modelagem em interfaces adaptativas (personalização): Utiliza técnicas capazes de detectar suas necessidades e preferências, com possibilidade de personalização das páginas. Aprendizado de padrões de navegação de usuário: técnicas que os permitam promover melhorias no conteúdo e ergonomia, baseadas, por exemplo, no comportamento de seus usuários.
5 3. As fases do modelo de mineração na WEB O modelo de mineração na WEB é realizado em quatro diferentes fases: 1. Obtenção dos dados 2. Pré Mineração 3. Mineração 4. Pós Mineração 3.1. Obtenção dos dados Esta é a primeira fase do modelo, fase na qual ocorre a modelagem e estruturação da base de dados, que será a base para o modelo. Decide se nesta fase, a metodologia de obtenção dos dados, qual a fonte de obtenção, o tipo dos dados, além de variáveis que serão utilizadas para compor a análise, o raio de abrangência do projeto e a estrutura do banco de dados Pré Mineração É importante que os dados incorporados às bases de dados, sejam de alta consistência e confiabilidade. Para que isso aconteça, rotinas são criadas para que executar essa incorporação, promovendo a validação dos resultados das análises estatísticas. A partir dos critérios definidos pelo analista e os dados específicados na primeira etapa, dá se a entrada dos registros de dados. Um exemplo de registro, ocorre na mineração por uso, em que os registros de entrada são os dados de logs armazenados no servidor Web. Na mineração por conteúdo, os registros se dão pelos textos que compõem as páginas HTML, como diz o nome, seu conteúdo Mineração Para a terceira etapa deste modelo, aplica se o algoritmo para extração de regras de associação sobre os dados registrados pré selecionados, por exemplo, os logs de um servidor Web. Medidas objetivas de interesse para regras de associação também podem ser criadas, como grau de confiança mínimo e suporte mínimo. Utilizando as bases de dados operacionais, é recomendado que se crie uma Data Warehouse para auxiliar na realização da mineração de dados, pois torna se mais fácil e simples a análise de grandes quantidades de dados. Todos os dados de múltiplas fontes são integrados nessa etapa, mas mantendo a seguridade da qualidade dos dados que
6 serão minerados. A etapa de mineração é de extrema importância para validação dos dados que serão manipulados pelo Data Mining Pós Mineração A fase corrente, é a responsável por tratar as regras extraídas na etapa de mineração antes que sejam mostradas ao analista, para que o analista tenha a interpretação mais facilitada e produtiva. Critérios definidos pelo analista são levados em consideração para realizar esse processamento, além de informações extraídas a partir da estrutura do site. As técnicas de Data Mining são aplicadas nessa etapa, tais como a otimização e estatística, com o objetivo de obter informações como padrões não percebidos em outras análises menos aprofundadas. Na pós mineração, é importante a validação dos resultados obtidos através de análises complementares, pois além de conhecer a elasticidade do conteúdo, pode se obter o perfil dos consumidos das páginas na Web, traçando também as concorrências existentes entres as demais páginas Web.
7 4. Análise de redes A partir dos conceitos básicos sobre redes, sabe se que uma rede corresponde a um conjunto de vértices e arestas, e a relação entre vértices é representada por arestas. A teoria de redes estuda esses grafos formados por esse conjunto de vértices e arestas, estudando aspectos como sua simetria(ou assimetria). Trazendo esses conceitos para o contexto presente neste trabalho, a análise de redes é aplicada, por exemplo, para mapear os relacionamentos entre usuários numa rede social, examinando a estrutura das relações entre entidades sociais(geralmente são pessoas, mas também podem ser grupos, organizações, nações, websites, publicações acadêmicas, etc). Os principais aspectos que podem destacados em uma rede social são a grande quantidade de informações envolvidas, degradação do aspecto semântico quando estas são interpretadas isoladamente, problemas quanto ao tratamento das informações e demandas por análises bem estruturadas Social Network Analysis(SNA) O Social Network Analysis(SNA) é um estudo sobre a relação entre usuários, grupos ou instituições sociais, que visa formular algoritmos sobre estruturas de rede(normalmente capturadas em grafo). Redes sociais como o Facebook usam elementos básicos do SNA para recomendações(de páginas, amigos, etc), que geram mais informações para facilitar o processo de mineração e a partir de mineração dos dados são identificadas possíveis preferências. De modo geral, o SNA testa hipóteses sobre o comportamento online entre os usuários.
8 5. Algoritmos voltados a redes sociais Como foi apontado no tópico anterior, a representação de redes sociais foi bastante influenciada pela teoria grafos, nos quais o conjunto de vértices correspondem aos "atores" (pessoas, empresas, agentes sociais) e o conjunto de arestas correspondem as "ligações" ( relacionamentos, associações, links). Os algoritmos aplicados em redes sociais continuam em evolução, devido a sua alta complexidade e necessidade de rapidez em sua aplicação, um exemplo de algorimo que precisa de aperfeiçoamentos e simplificações é o algoritmo da clique. O número de clique de um grafo é igual à cardinalidade da maior clique do grafo G = (V, E) e é obtido pela resolução do problema NP difícil da máxima clique, o qual possui alta complexidade. A estrutura de clique, onde deve existir uma aresta para cada par de vértices, apresenta muitas restrições na modelação da vida real. Deste modo, abordagens alternativas têm sido sugeridas, como fim de relaxar o conceito de clique, como o k clique, k clã/k club e k plex. Para a relaxação correspondente ao k clique, o qual é um modelo baseado em distância onde k é o comprimento máximo do caminho entre cada par de vértices, temos que uma k clique é o subconjunto de C tal que para cada i e j pertencentes a C, a distância(i, j) é menor ou igual a k, logo uma 1 clique seria idêntica a uma clique, pois a distância entre os vértices é igual a um e uma 2 clique é o subgrafo completo maximal com um caminho de uma ou duas arestas, caminho cujo seria equivalente ao amigo do amigo em uma rede social. As medidas utilizadas na análise de Redes Complexas e Graph Mining são baseadas em procedimentos de baixa complexidade computacional, como o diâmetro do grafo, o grau de distribuição dos nós e a verificação da conectividade, subestimando o conhecimento da estrutura das componentes do grafo, então para o exemplo citado, visando encontrar a cobertura mínima de k cliques é proposto um algoritmo de duas fases, no qual em primeiro lugar, todas as k cliques maximais do grafo são geradas, depois o subconjunto mínimo do k cliques é escolhido para cobrir todos os vértices do grafo O algoritmo de duas fases O algoritmo de duas fases: Procedimento 1: Algoritmo de duas fases para encontrar a cobertura de k cliques Entrada: distância k e grafo G
9 Saída: cobertura de k cliques 1. Encontrar todas as k clique maximais do grafo G; 1.1. Transformação do grafo num k grafo; 1.2. Aplicar o algoritmo da clique máxima; 2. Encontre a cobertura mínima de G com k cliques; 2.1. Aplicar o algoritmo da cobertura de conjuntos; 3.1. Encontrar as k cliques maximais no grafo G; Grafo Transformação: É um grafo denominado k G(V, E), que corresponde transformação do grafo G(V, E) num grafo, tal que para cada i e j pertencentes à V, a distância d(i,j) k. Para a criação do grafo k G(V,E) deve se utilizar o Algoritmo Floyd, que considera todos os caminhos mais curtos num grafo, e, em seguida, para cada aresta inferior ou igual a k, será criada uma nova aresta no novo grafo. Procedimento 2: Transformação do Grafo Entrada: k, M[n,n] matriz de adjacência do grafo G Saída: D[n,n] a matriz com k distâncias do grafo G (ou k Grafo) 1. D=M; 2. Para cada (h,i,j) D[i,j] = min(d[i,j], D[i,h]+D[h,j]); 3. Para cada (i,j) se (D[i,j] <=k) D[i,j]=1 senãod[i,j]=0; 4.Retornar D; Algoritmo da Clique máxima: O problema da Clique Máxima é um problema NP difícil que visa encontrar o maior subgrafo completo em um determinado grafo, tendo em vista sua complexidade, a heurística proposta para resolver o problema é encontrar um limite inferior para o problema de maximização. Sabendo que encontrar uma clique maximal num k grafo é o mesmo que encontrar uma k clique maximal num grafo, para gerar um grande conjunto de k cliques maximais é usada a Heurística Tabu para resolver o Problema Clique Máxima. Procedimento 3: Heurística Tabu para o Problema da Clique Máxima Entrada: k Grafo, S Saída: clique S*
10 1. iniciar T; S*=S; 2. enquanto não for condição de fim 2.1. se(n + (S)\T não é nulo) escolha a melhor S 2.2. senão se(n0(s)\t não é nulo) escolha a melhor S ; atualizar T senão escolha a melhor S em N (S); atualizar T 2.3. atualizar S = S 2.4. se ( S > S* ) S*=S; 3. fim ciclo enquanto; 4. retornar S*;
11 6. Conclusão Com a evolução da Web para a geração chamada Web 2.0, as grandes quantidades de dados fornecidos geram necessidades de criar novas medidas para melhor compreender a estrutura das redes, o modo como os seus componentes estão organizados e o modo como evoluem ao longo do tempo. Essas grandes quantidades de informações, assim como as dificuldades referentes aos tipos de dados trabalhados tornam necessário que os métodos de mineiração usados evoluam, caso contrário, seriam inadequados à nova geração da Web.
12 7. Referências Key differences between Web 1.0 and Web 2.0 by Graham Cormode and Balachander Krishnamurthy: Um Algoritmo para Encontrar a Cobertura de k Cliques em Redes Sociais: Ferramentas WebMining: mining Wikipédia WebMining:
Teoria dos Grafos Aula 2
Teoria dos Grafos Aula 2 Aula passada Logística Objetivos Grafos, o que são? Formando pares Aula de hoje Mais problemas reais Definições importantes Algumas propriedades Objetivos da Disciplina Grafos
Leia maisSBC - Sistemas Baseados em Conhecimento
Siglas, Símbolos, Abreviaturas DW - Data Warehouse KDD Knowledge Discovery in Database MD Mineração de Dados OLAP - On-line analytical processing SBC - Sistemas Baseados em Conhecimento 1. INTRODUÇÃO O
Leia maisMINERAÇÃO DE DADOS EM ARQUIVOS DE LOG GERADOS POR SERVIDORES DE PÁGINAS WEB
MINERAÇÃO DE DADOS EM ARQUIVOS DE LOG GERADOS POR SERVIDORES DE PÁGINAS WEB Acadêmico: Leonardo José Correia Orientador: Prof. Ricardo Alencar Azambuja Blumenau, Julho/2004 1 Roteiro Introdução Objetivo
Leia maisAlgoritmo Aproximação. Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3
Algoritmo Aproximação Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3 Heurísticas para Problemas NP- Completo Heurística: algoritmo que pode produzir um bom resultado (ou até a solução ótima),
Leia maisTeoria dos Grafos Aula 2
Teoria dos Grafos Aula 2 Aula passada Logística, regras Objetivos Grafos, o que são? Formando pares Encontrando caminhos Aula de hoje Outro problema real Definições importantes Algumas propriedades Grafo
Leia maisBCC390 - Monografia I
BCC390 - Monografia I DESENVOLVIMENTO DE UM REPOSITÓRIO DE DADOS DO FUTEBOL BRASILEIRO Rafael Belini Souza November 9, 2012 Tópicos 1 Introdução 2 Justificativa 3 Objetivo 4 Fontes 5 Pré-processamento
Leia maisTEORIA DOS GRAFOS TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS MATEMÁTICA DISCRETA II PROFº MARCOS NASCIMENTO
TEORIA DOS GRAFOS TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS MATEMÁTICA DISCRETA II PROFº MARCOS NASCIMENTO Por que estudar grafos? Importante ferramenta matemática com aplicação em diversas áreas
Leia maisMÓDULO 2 - OTIMIZAÇÃO DE REDES
MÓUL - TIMIZÇÃ RS s problemas de otimização de redes podem ocorrer em várias áreas, mas geralmente são encontrados nas áreas de transportes e comunicações. Um problema típico de transporte consiste em
Leia maisTCE Informática Pré-Processamento de Dados Prof. Marcelo Ribeiro
TCE Informática Pré-Processamento de Dados Prof. Marcelo Ribeiro www.acasadoconcurseiro.com.br Informática PRÉ-PROCESSAMENTO DE DADOS EM DATA MINING Técnicas de pré-processamento e transformação de dados
Leia maisAlgoritmos Combinatórios: Introdução
lucia@site.uottawa.ca UFSC, Fevereiro, 2010 Estruturas e Problemas Combinatórios Introdução a Algoritmos Combinatórios O que são: Estruturas Combinatórias? Algoritmos Combinatórios? Problemas Combinatórios?
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisVolmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 45
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 45 Introdução a Grafos Muitos problemas de otimização podem ser analisados utilizando-se uma estrutura denominada grafo ou rede. Problemas
Leia maisAutor(es) HARLEI MIGUEL DE ARRUDA LEITE. Orientador(es) MARINA TERESA PIRES VIEIRA. Apoio Financeiro PIBIC/CNPQ. 1. Introdução
19 Congresso de Iniciação Científica IMPLEMENTAÇÃO DE GUIAS E ALGORITMOS PARA REGRAS DE ASSOCIAÇÃO MULTIRELACIONAL NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA Autor(es) HARLEI MIGUEL DE ARRUDA LEITE Orientador(es)
Leia maisTeoria dos Grafos Aula 23
Teoria dos Grafos Aula 23 Aula passada Apresentação de trabalhos Discussão da prova Subset sum Problema da mochila Aula de hoje Caminho mais curto entre todos os pares Algortimo de Floyd Warshall Programação
Leia maisTCE Informática Dados Estruturados e Não-Estruturados Prof. Marcelo Ribeiro
TCE Informática Dados Estruturados e Não-Estruturados Prof. Marcelo Ribeiro www.acasadoconcurseiro.com.br Informática DADOS ESTRUTURADOS E NÃO-ESTRUTURADOS Esses termos referem-se à forma como um conjunto
Leia maisBancos de Dados Orientados a Grafos. Mateus Lana e Thiago Santana
Bancos de Dados Orientados a Grafos Mateus Lana e Thiago Santana Conteúdo Grafos Definição; Representação; Conceitos. Bancos de dados orientados a grafos Introdução; Representação; Modelagem; Conceitos;
Leia maisx y Grafo Euleriano Figura 1
Grafo Euleriano Um caminho simples ou um circuito simples é dito euleriano se ele contém todas as arestas de um grafo. Um grafo que contém um circuito euleriano é um grafo euleriano. Um grafo que não contém
Leia maisEspecificação do TP3
Especificação do TP3 Data de Entrega: 21/05/2008 1 Descrição do Problema O problema a ser resolvido neste trabalho é conhecido na literatura como o problema de isomorfismo de sub-grafos Uma definição formal
Leia maisPEP: Prontuário Eletrônico do Paciente
PEP: Prontuário Eletrônico do Paciente Revisando... O Prontuário Eletrônico é... um repositório onde todas as informações de saúde, clínicas e administrativas, ao longo da vida de um indivíduo estão armazenadas,
Leia maisTeoria dos Grafos Aula 6
Teoria dos Grafos Aula 6 Aula passada Busca em grafos Busca em largura (BFS Breadth First Search) Propriedades Aula de hoje BFS implementação Complexidade Busca em profundidade (DFS) Conectividade, componentes
Leia mais6 Conclusão. 6.1 Trabalhos relacionados
Conclusão 112 6 Conclusão 6.1 Trabalhos relacionados A primeira versão do método SHDM apresentada por Lima (2003) empregava um modelo orientado a objetos como a base estrutural do modelo conceitual de
Leia maisGrafos Hamiltonianos e o Problema do Caixeiro Viajante. Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá
Grafos Hamiltonianos e o Problema do Caixeiro Viajante Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá Grafo Hamiltoniano Definição: Um circuito hamiltoniano em um
Leia maisMATEMÁTICA DISCRETA. Patrícia Ribeiro 2018/2019. Departamento de Matemática, ESTSetúbal 1 / 47
1 / 47 MATEMÁTICA DISCRETA Patrícia Ribeiro Departamento de Matemática, ESTSetúbal 2018/2019 2 / 47 1 Combinatória 2 Aritmética Racional 3 3 / 47 Capítulo 3 4 / 47 não orientados Um grafo não orientado
Leia maisProblemas de otimização
Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,
Leia maisEstruturas de Dados Grafos
Estruturas de Dados Grafos Prof. Eduardo Alchieri (introdução) Grafo é um conjunto de pontos e linhas que conectam vários pontos Formalmente, um grafo G(V,A) é definido pelo par de conjuntos V e A, onde:
Leia maisCAP4. ELEMENTOS DA TEORIA DE GRAFOS. Grafo [graph]. Estrutura que consiste num par ordenado de conjuntos, G ( V, E) , sendo:
Matemática Discreta ESTiG\IPB Cap4. Elementos da Teoria de Grafos pg 1 CAP4. ELEMENTOS DA TEORIA DE GRAFOS Grafo [graph]. Estrutura que consiste num par ordenado de conjuntos, G ( V, E), sendo: Exemplos
Leia maisWeb mining. Universidade Federal de Mato Grosso do Sul (UFMS) Campo Grande, MS Brasil
Web mining Quintino Izidio S. Neto 1, Ricardo Romão 2, Bruno de Abreu Cárceres 1 Departamento de Ciência e Tecnologia 2 Ledes Laboratório de Desenvolvimento de Software Universidade Federal de Mato Grosso
Leia maisCONCEITOS BÁSICOS EM GRAFOS
Um grafo (simples) G é formado por um conjunto de vértices, denotado por V(G), e um conjunto de arestas, denotado por E(G). Cada aresta é um par (não ordenado) de vértices distintos. Se xy é uma aresta,
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
Leia maisProblema do Caminho Mínimo
Departamento de Engenharia de Produção UFPR 63 Problema do Caminho Mínimo O problema do caminho mínimo ou caminho mais curto, shortest path problem, consiste em encontrar o melhor caminho entre dois nós.
Leia maisModelagem de Sistemas Web. Metodologias para o desenvolvimento de sistemas web
Modelagem de Sistemas Web Aula 5 Metodologias para o desenvolvimento de sistemas web Metodologias para o desenvolvimento de sistemas web WebML Fontes: Itana Gimenes e Bruno Souza Et Estrutura t do WebML
Leia maisKDD E MINERAÇÃO DE DADOS:
KDD E MINERAÇÃO DE DADOS: Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com Coleta de dados em vários
Leia maisESTRUTURAS DE DADOS. prof. Alexandre César Muniz de Oliveira. 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8.
ESTRUTURAS DE DADOS prof. Alexandre César Muniz de Oliveira 1. Introdução 2. Pilhas 3. Filas 4. Listas 5. Árvores 6. Ordenação 7. Busca 8. Grafos Sugestão bibliográfica: ESTRUTURAS DE DADOS USANDO C Aaron
Leia maisProblemas de Fluxo em Redes
CAPÍTULO 7 1. Conceitos fundamentais de grafos Em muitos problemas que nos surgem, a forma mais simples de o descrever, é representá-lo em forma de grafo, uma vez que um grafo oferece uma representação
Leia mais1 Introdução Motivação
1 Introdução 1.1. Motivação A programação linear, ao menos na modelagem matemática que se conhece hoje, foi desenvolvida durante a segunda grande guerra quando foi utilizada no planejamento e execução
Leia maisDepartamento de Engenharia de Produção UFPR 57
Departamento de Engenharia de Produção UFPR 57 Introdução a Grafos Muitos problemas de otimização podem ser analisados utilizando-se uma estrutura denominada grafo ou rede. Problemas em redes aparecem
Leia maisGrafos - Introdução. Pedro Ribeiro 2014/2015 DCC/FCUP. Pedro Ribeiro (DCC/FCUP) Grafos - Introdução 2014/ / 32
Grafos - Introdução Pedro Ribeiro DCC/FCUP 2014/2015 Pedro Ribeiro (DCC/FCUP) Grafos - Introdução 2014/2015 1 / 32 Conceito Definição de Grafo Formalmente, um grafo é: Um conjunto de nós/vértices (V).
Leia maisParte B Teoria dos Grafos
45 Parte B Teoria dos Grafos B. Grafos e Subgrafos Um grafo G é uma tripla ordenada (V(G), E(G), ), constituindo de um conjunto não vazio V(G) de vértices, um conjunto disjunto E(G) das arestas e uma função
Leia maisDescoberta de Conhecimento em Bancos de Dados - KDD
Descoberta de Conhecimento em Bancos de Dados - KDD Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Fases do processo 3. Exemplo do DMC 4. Avaliação
Leia maisDescoberta de conhecimento em textos - Análise semântica. Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes
Descoberta de conhecimento em textos - Análise semântica Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes Introdução Diversidade de textos não padronizados; Emails, artigos,
Leia maisGrafos Eulerianos e o Problema do Carteiro Chinês
Prof. Ademir A. Constantino DIN - UEM 1 Grafos Eulerianos e o Problema do Carteiro Chinês Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá Prof. Ademir A. Constantino
Leia maisData Mining. Rodrigo Leite Durães
Rodrigo Leite Durães rodrigo_l_d@yahoo.com.br Processo de mineração de dados e descoberta de informações relevantes em grandes volumes de dados. "... processo não-trivial de identificar, em dados, padrões
Leia mais2 Estado da Arte. 2.1.Geração automática de casos de teste
2 Estado da Arte Existem três conceitos importantes que serão abordados durante essa dissertação: geração automática de casos de teste, tabelas de decisão e geração automática de dados de teste. Foi realizada
Leia maisDescoberta de conhecimento em redes sociais e bases de dados públicas
Descoberta de conhecimento em redes sociais e bases de dados públicas Trabalho de Formatura Supervisionado Bacharelado em Ciência da Computação - IME USP Aluna: Fernanda de Camargo Magano Orientadora:
Leia maisEstatísticas e Relatórios. Treinamento OTRS Help Desk
Estatísticas e Relatórios Treinamento OTRS Help Desk Sumário Estatística... 3 Visão Geral... 3 Gerando Relatórios... 4 Criação de Relatórios... 5 Lista de Chamado... 7 Acumulação de Chamados...10 Tempo
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE
1. Identificação do Curso a. Curso de Especialização em: Ciência de Dados (BIG DATA ANALYTICS) b. Área: Computação c. Área temática (tema): BIG DATA d. Linha de Pesquisa: Computação e Sistemas de Informação
Leia mais1 Introdução Motivação
1 Introdução 1.1. Motivação Informações podem ser armazenadas das mais variadas maneiras. O modo mais clássico de armazenamento de informação é através da palavra escrita, impressa. O acesso à informação
Leia maisEgo-Net. 7.1 O problema
Capítulo 7 Ego-Net Uma Ego-Rede (do inglês Ego-Network) consiste de um vértice focal (ego) e os vértices para o qual o ego estar diretamente conectado, esses são chamados de alter-egos, mais as conexões,
Leia maisRedes Complexas Aula 2
Redes Complexas Aula 2 Aula passada Logística e regras Redes por todos os lados Redes Complexas Aula de hoje Representando redes Falando sobre redes Grau, distância, clusterização Rede Abstração que permite
Leia maisTeoria da Computação. Clique de um Grafo. Alexandre Renato Rodrigues de Souza 1
Teoria da Computação Clique de um Grafo Alexandre Renato Rodrigues de Souza 1 O que é um grafo? Definição 1: grafo é uma estruturas utilizada para representar relações entre elementos de um dado conjunto.
Leia maisAula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464 / PCC174 Departamento de Computação - UFOP Breve Revisão Programação Linear vs Programação Inteira Modelagem
Leia mais3 Extensões dos modelos matemáticos
3 Extensões dos modelos matemáticos Os modelos matemáticos definidos por (2-1) (2-6) e (2-7) (2-13), propostos por Achuthan e Caccetta e apresentados no Capítulo 2, são reforçados neste trabalho através
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisAnálise e projeto de sistemas
Análise e projeto de sistemas Conteúdo: UML O processo de desenvolvimento de software Prof. Patrícia Lucas A linguagem de modelagem unificada (UML) A UML teve origem em uma tentativa de se unificar os
Leia maisSeleção de Atributos 1
Seleção de Atributos 1 Tópicos Por que atributos irrelevantes são um problema Quais tipos de algoritmos de aprendizado são afetados Seleção de atributos antes do aprendizado Benefícios Abordagens automáticas
Leia maisAlgoritmos em Grafos
Algoritmos em Grafos Baseado em: The Algorithm Design Manual Steven S. Skiena IF64C Estruturas de Dados 2 Engenharia da Computação Prof. João Alberto Fabro - Slide 1/42 Introdução (1) Um grafo G=(V,E)
Leia maisFERRAMENTA PARA VISUALIZAÇÃO DA REDE SOCIAL DE PROFESSORES DO IFSP COM ENFOQUE NAS RELAÇÕES DE PESQUISA
FERRAMENTA PARA VISUALIZAÇÃO DA REDE SOCIAL DE PROFESSORES DO IFSP COM ENFOQUE NAS RELAÇÕES DE PESQUISA Gustavo Henrique Gonçalves Augusto, gustavo.ghga@gmail.com Elisandra Aparecida Alves da Silva, elissilva@gmail.com
Leia mais2 Mineração de Dados Processo de Busca de Conhecimento (KDD) 2 Mineração de Dados
2 Mineração de Dados 2 Mineração de Dados A mineração de dados, ou data mining, é uma das principais etapas do processo de busca de conhecimento. Este conceito é utilizado para identificar técnicas avançadas
Leia maisAULA 11 PROJETO E ANÁLISE DE ALGORITMOS. Conceitos básicos e representação de grafos Karina Valdivia Delgado
AULA 11 PROJETO E ANÁLISE DE ALGORITMOS Conceitos básicos e representação de grafos Karina Valdivia Delgado Roteiro Motivação Conceitos básicos Representação Motivação Um grafo é uma abstração que permite
Leia maisPlanificação Anual da disciplina de Redes de Comunicação 12º PI
M ó d u l o 4 - D e s e n v o l v i m e n t o d e P á g i n a s W e b E s t á t i c a s 1. Construção base de páginas Web. a. Estrutura de páginas Web b. Etiquetas comuns em páginas Web. c. Hiperligações.
Leia maisGrafos COM11087-Tópicos Especiais em Programação II
Grafos COM11087-Tópicos Especiais em Programação II edmar.kampke@ufes.br Introdução Grafos são estruturas muito estudadas na Ciência da Computação para modelagem de problemas Euler (1736) em Königsberg
Leia maisMelhores momentos AULAS 1-8
Melhores momentos AULAS 1-8 Procurando um caminho Problema: dados um digrafo G e dois vértices s e t decidir se existe um caminho de s a t Exemplo: para s = e t = 1 a resposta é SIM 2 1 4 3 5 Procurando
Leia maisEmentário das disciplinas do curso de Engenharia de Software
Ementário das disciplinas do curso de Engenharia de Software Currículo 1 C201 Introdução à Engenharia CH Teórica 10 CH Prática 10 CH Total 20 cr 1 Introdução aos conceitos básicos e às aplicações de engenharia.
Leia maisProf. Marco Antonio M. Carvalho
Prof. Marco Antonio M. Carvalho Lembretes! Lista de discussão! Endereço:! programaacao@googlegroups.com! Solicitem acesso:! http://groups.google.com/group/programaacao! Página com material dos treinamentos!
Leia maisDepartamento de Engenharia de Produção UFPR 22
Departamento de Engenharia de Produção UFPR 22 Geralmente, temos três objetivos i. Redução de custos (custos variáveis) Redução de capital (investimento, custos fixos) i Melhoria do serviço (pode conflitar
Leia maisDESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING. Aluno José Lino Uber. Orientador Paulo Roberto Dias
DESCOBERTA DO CONHECIMENTO COM O USO DE TEXT MINING APLICADA AO SAC TEXT MINING Aluno José Lino Uber Orientador Paulo Roberto Dias Dezembro/2004 Roteiro Introdução Objetivo Conceitos Motivação / Tipos
Leia maisData Mining em Grafos. Adriano Sérgio Reichardt Bruno Fortes dos Santos Diorges Filipe Lohn
UNIVERSIDADE FEDERAL DE SANTA CATARINA - UFSC CENTRO TECNOLÓGICO - CTC DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA - INE BACHARELADO EM SISTEMAS DE INFORMAÇÃO INE5644 DATA MINING Prof. Luis Otavio Alvares
Leia maisINF 1010 Estruturas de Dados Avançadas
INF Estruturas de Dados Avançadas Grafos // DI, PUC-Rio Estruturas de Dados Avançadas. Aplicações de grafos grafo vértices arestas Cronograma tarefas restrições de preferência Malha viária interseções
Leia maisAlgoritmo Aproximado. Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3
Algoritmo Aproximado Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3 Heurísticas para Problemas N P- Completo Heurística: algoritmo que pode produzir um bom resultado (ou até a solução ótima),
Leia mais6 Conclusões e Trabalhos Futuros
6 Conclusões e Trabalhos Futuros O presente trabalho tem por objetivo analisar o modelo desenvolvido por Jon Kleinberg, o HITS, bem como os seus desdobramentos existentes na literatura e, ainda, desenvolver
Leia maisPesquisa Operacional. Teoria dos Grafos
Pesquisa Operacional Teoria dos Grafos 1 Sumário Introdução Histórico Aplicações de modelos em grafos Conceitos e Notação Representações de um grafo G Tipos de grafos Algoritmos Algoritmo de Djisktra Algoritmo
Leia maisInformática. Business Intelligence (BI), Data Warehouse, OLAP e Data Mining. Prof. Márcio Hunecke
Informática Business Intelligence (BI), Data Warehouse, OLAP e Data Mining Prof. Márcio Hunecke Conceitos de BI Conjunto de ferramentas e técnicas que objetivam dar suporte à tomada de decisão Refere-se
Leia maisIntrodução a Grafos Letícia Rodrigues Bueno
Introdução a Grafos Letícia Rodrigues Bueno UFABC Teoria dos Grafos - Motivação Objetivo: aprender a resolver problemas; Como: usando grafos para modelar os problemas; Grafos: ferramenta fundamental de
Leia maisPERCURSOS. André Falcão, Carlos Augusto, Rafael Broédel e Lucas Dipré
PERCURSOS André Falcão, Carlos Augusto, Rafael Broédel e Lucas Dipré Serra 2011 Índice 1...O que é caminho e circuito 1.1...Caminho 1.2...Circuito 1.3...Classificação 2...Caminhos Eulerianos 2.1...Definição
Leia maisAula 01 Conceito de Banco de Dados e SGBD
Aula 01 Conceito de Banco de Dados e SGBD Dado: conjunto de símbolos arranjados a fim de representar a informação fora da mente humana. Elemento de Dado: subconjunto de símbolos que compõem um dado com
Leia maisBanco de Dados Data Mining Data Warehouse Big Data
Universidade Estadual de Mato Grosso do Sul Curso de Computação, Licenciatura Banco de Dados Data Mining Data Warehouse Big Data Prof. José Gonçalves Dias Neto profneto_ti@hotmail.com Data Mining: Introdução
Leia maisMecanismos de Interrupção e de Exceção, Barramento, Redes e Sistemas Distribuídos. Sistemas Operacionais, Sistemas
Arquitetura de Computadores, Arquitetura de Computadores Organização de Computadores, Conjunto de Instruções, Sistemas Operacionais, Sistemas Operacionais, Sistemas Mecanismos de Interrupção e de Exceção,
Leia maisMINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO COLÉGIO MILITAR DE BRASÍLIA
MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO COLÉGIO MILITAR DE BRASÍLIA Brasília - 2016 1 Sumário 1. Acesso à plataforma 04 2. Cadastramento nas disciplinas 04 3. Edição do perfil 05 4. Envio de mensagens
Leia maisProcessamento de Imagens usando Grafos (MAC6903)
Processamento de Imagens usando Grafos (MAC6903) Prof. Dr. Paulo A. V. de Miranda pmiranda@vision.ime.usp.br Instituto de Matemática e Estatística (IME), Universidade de São Paulo (USP) P.A.V. Miranda,
Leia maisConteúdo. Integração de Dados, Web e Warehousing. Introdução. Introdução. BD Heterogêneos. Introdução. Introdução
Conteúdo Integração de Dados, Web e Warehousing Integração de Informações Consultando a Web Arquiteturas de Integração Fernando Fonseca Ana Carolina 2 Motivação Web e BD Arquitetura na Web Evolução da
Leia maisProcessamento de Imagens usando Grafos (MAC6903)
Processamento de Imagens usando Grafos (MAC6903) Prof. Dr. Paulo A. V. de Miranda Instituto de Matemática e Estatística (IME), Universidade de São Paulo (USP) pmiranda@vision.ime.usp.br 1 / 20 Uma imagem
Leia maisWEB-MINING: CONCEITOS E APLICAÇÕES
82 WEB-MINING: CONCEITOS E APLICAÇÕES Resumo A grande quantidade e variedadee de dados disponíveis na web cria a oportunidade da aplicação de técnicas de mineração de dados na Internet, isso é conhecido
Leia maisOtimização em Grafos
Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 35 Teoria dos Grafos - Relembrando Árvore Um grafo G é uma árvore se é conexo e não possui ciclos (acíclico).
Leia maisNOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016
NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 Metaheurística: São técnicas de soluções que gerenciam uma interação entre técnicas de busca local e as estratégias de nível superior para criar um processo de
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto O processo de descoberta do conhecimento - KDD Roteiro Introdução Definição Etapas Desafios
Leia maisProblema do Caminho Mais Curto. Problema do Caminho Mais Curto
Problema do Caminho Mais Curto " Podemos afectar pesos" aos arcos de um grafo, por exemplo, para representar uma distância entre cidades numa rede ferroviária: ria: Chicago 650 600 700 Toronto 200 New
Leia maisO QUE É O BIG DATA? Big Data é o termo que descreve uma quantidade enorme de informações (volume de dados). BIG DATA ALGORITMOS 2
O QUE É O BIG DATA? Big Data é o termo que descreve uma quantidade enorme de informações (volume de dados). BIG DATA ALGORITMOS 2 O QUE É O BIG DATA? Os dados são o novo petróleo O Big Data, tal como o
Leia maisDefinição e Conceitos Básicos
Definição e Conceitos Básicos Grafos e Algoritmos Computacionais Prof. Flávio Humberto Cabral Nunes fhcnunes@yahoo.com.br 1 Conceitos Básicos Em grafos ocorrem dois tipos de elementos: Vértices ou nós;
Leia maisTeoria dos Grafos. Aula 5 - Estruturas de Dados para Grafos. Profª. Alessandra Martins Coelho. março/2013
Teoria dos Grafos Aula 5 - Estruturas de Dados para Grafos Profª. Alessandra Martins Coelho março/2013 Estrutura é o que caracteriza o próprio grafo e independe da forma como ele é representado. A representação
Leia maisRedes Complexas Aula 2
Redes Complexas Aula 2 Aula passada Logística Redes e Grafos Exemplos Redes Complexas Aula de hoje Redes e classes Estrutura e características Grau, distância, clusterização Rede (ou Grafo) Abstração que
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 3 - Teoria dos Grafos Fernando Marins fmarins@feg.unesp.br Departamento de Produção
Leia maisGRAFOS E ALGORITMOS TEORIA DE GRAFOS
GRAFOS E ALGORITMOS TEORIA DE GRAFOS 1a. PARTE Prof. Ronaldo R. Goldschmidt rribeiro@univercidade.br ronaldo_goldschmidt@yahoo.com.br ROTEIRO 1. INTRODUÇÃO E MOTIVAÇÃO 2. FUNDAMENTOS 3. CONECTIVIDADE 4.
Leia maisGRAFOS Aula 07 Algoritmos de Caminho Mínimo: Bellman-Ford / Floyd-Warshall Max Pereira
Ciência da Computação GRAFOS Aula 07 Algoritmos de Caminho Mínimo: Bellman-Ford / Floyd-Warshall Max Pereira Algoritmo de Bellman-Ford Arestas com valores negativos podem parecer inúteis, mas elas podem
Leia maisFrancisco Benjamim Filho. XHITS: Estendendo o Algoritmo HITS para Extração de Tópicos na WWW DISSERTAÇÃO DE MESTRADO
Francisco Benjamim Filho XHITS: Estendendo o Algoritmo HITS para Extração de Tópicos na WWW DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE INFORMÁTICA Programa de Pós-Graduação em Informática Rio de Janeiro,
Leia maisTeoria e Algoritmos em Grafos
Teoria e Algoritmos em Grafos 2018.2 Conjunto Independente Conjuntos Independentes são subconjuntos de vértices de um grafo no qual nenhum vértice é adjacente entre si. Conjunto Independente Conjuntos
Leia maisEngenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios
Engenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios Cronograma das Aulas. Hoje você está na aula Semana
Leia maisVolmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Três objetivos i. Redução de custos (custos variáveis) ii. iii. Redução de capital (investimento, custos fixos) Melhoria do serviço
Leia mais23/05/12. Consulta distribuída. Consulta distribuída. Objetivos do processamento de consultas distribuídas
Processamento de Consultas em Bancos de Dados Distribuídos Visão geral do processamento de consultas IN1128/IF694 Bancos de Dados Distribuídos e Móveis Ana Carolina Salgado acs@cin.ufpe.br Bernadette Farias
Leia maisProblemas de Busca (a.k.a NP) - parte 2
Problemas de Busca (a.k.a NP) - parte 2 André Vignatti DINF- UFPR Euler e Rudrata No verão de 1735 Leonhard Euler, o famoso matemático suíço, estava andando nas pontes da cidade de Königsberg, na Prússia
Leia mais