Classificação dos Usuários da Rede Social Scientia.Net através de Redes Neurais Artificiais

Transcrição

1 Classificação dos Usuários da Rede Social Scientia.Net através de Redes Neurais Artificiais Vinicius Ponte Machado 1 Bruno Vicente Alves de Lima 1 Sanches Wendyl Ibiapina Araújo 1 Heloína Alves Arnaldo 1 1 Departamento de Informática e Estatística - Universidade Federal do Piauí Campus Universitário Petrôneo Portela - Bairro Ininga - Teresina - PI vinicius@ufpi.br,brunovicente@ufpi.edu.br,sancheswendyl@hotmail.com,heloar.alves@gmail.com Abstract. Social networks have become especially relevant in the Internet due to the large numbers of users to various Web sites that use the concept (Orkut, MySpace, Facebook e Flickr). These users form databases that provide an important means to share, organize and find content, and to establish contacts with common interests. In this context was created Scientia.Net - social networking site that integrates information contained in various Internet services (forums, repositories of articles, websites, blogs and other social networks). Furthermore, this tool promotes the interaction of its users (students, teachers and researchers) for academic purposes, based on your interests. This paper presents an application developed to automatically group Scientia.Net users, using Artificial Neural Networks. The application was created to offer Scientia.Net a sorting mechanism to provide each user of the site, a list of other researchers based on their common researches. It is intended to contribute to the interaction between similar profile users and thus improve the productivity of their research thus allowing the knowledge exchange. Resumo. Redes sociais tornaram-se especialmente relevantes na internet devido a grande adesão de usuários aos vários de sites Web que utilizam o conceito (Orkut, MySpace, Facebook e Flickr). Seus usuários formam bases de dados que proveem um importante meio de compartilhar, organizar e encontrar conteúdo, além de estabelecer contatos através de interesses comuns. Neste contexto foi criado o Scientia.Net - site de rede social que integra informações contidas em diversos serviços da Internet (fóruns, repositórios de artigos, sites, blogs e demais redes sociais). Além disso, esta ferramenta promove a interação de seus usuários (estudantes, professores e pesquisadores) para fins acadêmicos, com base nos seus interesses em comum. Este artigo apresenta uma aplicação desenvolvida para agrupar de forma automática os usuários do Scientia.Net, utilizando o Redes Neurais Artificiais. A aplicação foi criada para oferecer ao Scientia.Net um mecanismo de classificação que apresente a cada usuário do site, uma relação de outros pesquisadores com base nas suas pesquisas em comum. Com isso, pretende-se contribuir para a interação entre usuários de perfis semelhantes e assim melhorar na produtividade de suas pesquisas permitindo assim a troca de conhecimento.

2 1. Introdução Na área científica, a interação das pessoas é um fator importante para o avanço das pesquisas. É crescente o número de pesquisadores de diferentes instituições, muitas vezes distantes geograficamente que têm colaborado entre si em diversos projetos. Neste cenário acadêmico os sistemas de redes sociais se destacam como uma ferramenta para reunir e facilitar contato com pessoas que detém o conhecimento. Esses sistemas funcionam com o princípio da interação social, ou seja, buscando conectar pessoas e proporcionar sua comunicação forjando laços sociais. Uma rede social é definida como um conjunto de dois elementos: atores (pessoas, instituições ou grupos; os nós da rede) e suas conexões (interações ou laços sociais) [Recuero 2004]. A rede social, derivando deste conceito, passa a representar um conjunto de participantes autônomos, unindo ideias e recursos em torno de interesses compartilhados a partir das interações estabelecidas entre eles. O Scientia.Net é um site de rede social voltado ao ambiente acadêmico que visa agregar aos seus usuários itens de relevância acadêmica relacionados ao seu perfil. Dessa forma, o Scientia.Net é uma agregador de informações contidas em diversos serviços da Internet (fóruns, repositórios de artigos, sites, blogs e demais redes sociais). Além disso, a ferramenta provê a interação de seus usuários (estudantes, professores e pesquisadores) com base nos seus interesses em comum. Este artigo apresenta o desempenho dos algoritmos de aprendizagem de máquina Redes Neurais Artificiais, na classificação automática dos usuários do Scientia.Net. O objetivo é oferecer a cada usuário do Scientia.Net uma relação de outros usuários com perfis e interesses comuns a estes. Algoritmos que utilizam técnicas de Aprendizagem de Máquina melhoram automaticamente à medida que aprendem com experiências passadas [Mitchell 1997]. Estes algoritmos têm como objetivo encontrar e descrever padrões a partir dos dados obtidos do ambiente. A tarefa principal é aprender um modelo a partir do ambiente e manter esse modelo consistente de modo a atingir as finalidades de sua aplicação. A tarefa de aprender consiste em escolher ou adaptar os parâmetros de representação do modelo. 2. Scientia.Net O Scientia.Net é uma rede social voltada para o ambiente acadêmico com conteúdos específicos para cientistas que desejam compartilhar suas pesquisas ou avançar em seus trabalhos por meio da interação com outros pesquisadores. É baseada na Internet está sendo desenvolvida implementando ferramentas que permitem a interação de seus usuários (estudantes, professores e pesquisadores) com base nos seus interesses em comum por meio de algoritmos de aprendizagem de máquina. Além disso, visa agregar aos seus usuários itens de relevância relacionados ao seu perfil de forma automática. Ou seja, de acordo com o perfil do pesquisador, são sugeridos artigos, eventos e contatos de outros pesquisadores. Dessa forma o Scientia.Net cria um grande agregador de informações acadêmicas contidas em diversos serviços da Internet (fóruns, repositórios de artigos, sites, blogs e demais redes sociais) (Fig:1), permitindo aos seus usuários uma melhoria na produtividade de suas pesquisas, além de fornecer mecanismos para interatividade e troca de conhecimento entre pesquisadores. O Scientia.Net diferente de outras redes sociais, oferece um mecanismo de classificação

3 Figura 1. Serviços e Informações agregadas ao Scientia.Net. automático de seus usuários e de conteúdo. Esse diferencial tem como objetivo oferecer a cada usuário do Scientia.Net uma relação de outros usuários cujos perfis e interesses são semelhantes. Esta classificação é feita de forma automática com base nos padrões descobertos pelos algoritmos de Redes Neurais Artificiais. 3. Aprendizagem de Máquina A utilização de Algoritmos de Aprendizagem de máquina tem como objetivo o desenvolvimento de técnicas computacionais sobre o aprendizado bem como a construção de sistemas capazes de adquirir conhecimento de forma automática.[matos et al. 2009] A intuição humana não pode ser inteiramente eliminada nesse caso, desde que o desenvolvedor do sistema especifique como os dados devem ser representados e que mecanismos serão usados por uma caracterização dos dados. Sob este aspecto existem três principais tipos de técnicas de aprendizagem de máquina: O Aprendizado Supervisionado, que implica, necessariamente, a existência de dados de entradas e a indicação de uma saída a ser aprendida para ocorrer o processo de aprendizagem [Braga et al. 2007]. Um exemplo desses algoritmo são as Redes Neurais Artificiais de Múltiplas Camadas. Aprendizado Não-Supervisionado envolve a aprendizagem de padrões na entrada, quando não são fornecidos valores de saídas específicos [Mitchell 1997]. Aprendizado por Reforço que consiste em mapear situações (estados do ambiente) para ações (o que fazer) de modo a maximizar um sinal de recompensa numérico [Sutton and Barto 1998]. A ideia básica é simplesmente captar os aspectos mais importantes do problema real posto diante de um agente aprendiz interagindo com o ambiente para alcançar uma meta Redes Neurais Artificiais Um dos algoritmos de Aprendizagem de Máquina utilizados nesse trabalho foi Redes Neurais Artificiais. Redes Neurais Artificiais são sistemas que tentam simular o funcionamento do cérebro humano. São compostas por unidades de processamento simples chamados de Neurônios Artificiais. [Braga et al. 2007] Neurônio Artificial (Perceptron) O modelo de neurônio artificial proposto por McCulloch e Pitts [Braga et al. 2007] é uma simplificação do neurônio biológico. O modelo propõe que o neurônio artificial possui

4 n entradas (x 1, x 2, x 3,..., xn) e apenas um terminal de saída y, sendo que cada entrada possui um peso correspondente (w 1, w 2, w 3,..., w n ),visualizados na Fig. 2. Figura 2. Modelo de Neurônio Artifical de McCulloch e Pitts. Fonte: Adaptado de Ludwing e Eduard, Para gerar a saída o neurônio faz o somatório da multiplicação de cada entrada com seu respectivo peso. Após isso é levado à Função de Transferência e depois enviado para a saída do neurônio. A saída geralmente é comparada com a saída indicada e se houver erro, que é a diferença entre a saída obtida e a saída desejada, será corrigido utilizando a regra delta. [Mitchell 1997] A Regra Delta ajusta os pesos do neurônio de tal forma que este multiplicado pela entrada possa representar uma saída correta. Para cada entrada do Perceptron soma-se o peso atual com a multiplicação da entrada com a taxa de aprendizagem e o erro. Esse processo é realizado com todos os pares de entradas com seus respectivos pesos. A Regra Delta é utilizada para o treinamento do Perceptron que é um tipo de neurônio, também dito como o mais simples tipo de rede neural. O Perceptron apresenta apenas um conjunto de neurônios de entrada e um conjunto de neurônios de saída, sem haver nenhuma camada de neurônios intermediária.[mitchell 1997] Os neurônios são constituídos por uma função de ativação e uma função de transferência. A função de ativação faz a soma ponderada dos sinais de entrada e a função de transferência determina a saída do neurônio, em função da soma ponderada. Quando ocorre erro em alguma das entradas, é utilizada a regra delta para a correção dos erros, ou seja, o treinamento do Perceptron. Portanto os algoritmos de aprendizado das Redes Neurais visam o desenvolvimento de técnicas para a obtenção de um valor mais apropriado de pesos para a obtenção da solução do problema depois que todos os pesos estiverem ajustados, e não existir mais erro, ou o menor erro possível. E assim utilizar os pesos para a utilização da rede neural.[braga et al. 2007] Redes Neurais de Múltiplas Camadas A Rede Perceptron de Múltiplas Camadas é uma rede com uma camada de entrada, contendo as entradas da rede, com uma ou mais camadas ocultas, que tem como objetivo resolver problemas não lineares, e uma camada de saída. Um exemplo de rede neural é

5 mostrado na Fig. 3. Figura 3. Exemplo de Rede Neural com Múltiplas Camadas Algoritmo Backpropagation Algoritmo Back-Propagation é utilizado no treinamento das Redes Perceptrons de Múltiplas Camadas. É dividido em duas fases. A primeira é a forward que é onde é determinada a saída da rede neural. A segunda é a fase backward, onde é comparada a saída obtida com a saída desejada e assim calculado o erro. Na fase forward é apresentado às entradas da rede, e as saídas dos neurônios da primeira camada oculta são calculadas. As saídas da primeira camada oculta serão as entradas utilizadas nos cálculos da saída da próxima camada. Esse processo se repete até chegar a camada de saída, onde são produzidas as saídas da rede. Por fim, a saída obtida é comparada com a saída desejada, caso haja erro o algoritmo passa para a fase backward. Na fase backward o erro da camada de saída é utilizado para ajustar diretamente os seus pesos. Posteriormente, esse erro é propagado para a camada anterior, utilizandose para isso os pesos das conexões entre as camadas, que serão multiplicadas com os erros correspondentes. Esse processo é executado até a primeira camada oculta da rede neural, chegando a camada de entrada, onde serão ajustados os pesos das entradas finalizando o processo. [Haykin 2001] 4. Classificação Automática 4.1. Ferramenta WEKA Os algoritmos utilizados no Scientia.Net estão disponíveis na biblioteca WEKA - Waikato Environment for Knowledge Analysis, que é uma ferramenta de KDD 1 que contempla uma série de algoritmos de preparação de dados, de aprendizagem de máquina (mineração) e de validação de resultados. WEKA foi desenvolvido na Universidade de Waikato na Nova Zelândia, sendo escrito em Java e possuindo código aberto disponível na Web (a atual versão demanda Java 1.4). 1 Knowledge-discovery in databases (Extração do Conhecimento) é um processo de extração de informações de base de dados, que cria relações de interesse que não são observadas pelo especialista no assunto, bem como auxilia a validação de conhecimento extraído.

6 O WEKA possui interface gráfica e seus algoritmos fornecem relatórios com informações analíticas e estatísticas dos dados em questão. Grande parte de seus recursos é acessível via sua interface, sendo que os demais podem ser utilizados através de API s 2 em códigos criados por terceiros. A interface WEKA Explorer pode ser visualizada na Fig. 4. Figura 4. Janela do WEKA rodando algoritmo de Aprendizagem de Máquina Para a utilização dos algoritmos implementados utilizando-se a ferramenta WEKA no Scientia.Net, deve-se fornecer dados para o treinamento. Esses dados são fornecidos através de um arquivo com extensão.arff. O Arquivo ARFF, é dividido em 3 partes: Relação - primeira linha do arquivo que deve conter a identificação da relação ou tarefa que esta sendo estudada, sendo, antecedida da Atributos - lista de atributos, onde cada linha inicia acompanhada do nome do atributo e seguida do seu tipo, que pode ser nominal (as alternativas devem ser relacionadas como uma lista separada por vírgulas e cercadas por chaves) ou numérico (neste caso o nome deve ser seguido do tipo de dado); Dados - relação de dados correspondentes aos atributos que é iniciada com uma linha simples contendo a Cada linha representa uma instância e deve ter valores separados por vírgula correspondentes (e na mesma ordem) dos atributos da seção Atributos. O Fato de o WEKA ser escrito em Java e ter suas bibliotecas disponíveis, teve um peso relevante na decisão de utilizá-lo no Scientia.Net. Com isso os algoritmos podem ser utilizados em várias plataformas, deixando assim, o trabalho com uma boa portabilidade Dados Envolvidos Scientia.Net ainda é um protótipo, logo não foi disponibilizado para o cadastro de pessoas reais, de modo que para fins de testes e validação dos algoritmos propostos foi utilizado um banco de dados povoado com dados customizados oriundos do sitio web Generatedata 3 contendo 500 usuários fictícios, estes dados estão estruturados de forma a caracterizar o preenchimento do cadastro do Scientia.net. 2 API - Application Programming Interface (ou Interface de Programação de Aplicativos) é um conjunto de rotinas e padrões estabelecidos por um software para a utilização das suas funcionalidades por programas aplicativos que não querem envolver-se em detalhes da implementação do software, mas apenas usar seus serviços. 3 Script gratuito e de código aberto escrito em JavaScript, PHP e MySQL que permite gerar rapidamente grandes volumes de dados personalizados em uma variedade de formatos para uso em testes de software, povoando bases de dados.

7 Esses usuários possuem formação acadêmica distribuída em dez áreas do conhecimento (Direito, Medicina, Engenharia Civil, Biologia, Química, Odontologia, Física, Matemática, Economia e Letras). Para cada área do conhecimento existem 50 usuários associados. A classificação leva em consideração os valores dos atributos que formam o perfil acadêmico desses usuários. Estes atributos incluem: Graduação, Mestrado, Doutorado, Pós-Doutorado e suas respectivas subáreas Resultados Utilizando os dados mencionados na Seção 4.2, executamos o algoritmo de aprendizado de máquina Redes Neurais, a fim de avaliar o desempenho deste na classificação de usuários da rede social acadêmica Scientia.Net. Um trabalho semelhante foi desenvolvido e publicado em [Machado et al. 2011], utilizando 60 usuários fictícios, onde 40 foram usados para treinamento e 20 para classificação Redes Neurais Artificiais de Múltiplas Camadas Para realizarmos a avaliação da rede neural optamos por utilizar uma ferramenta padrão em estatística conhecida como validação cruzada (cross-validation ), posto que esta ferramenta fornece uma apreciação consistente do modelo trabalhado, ou seja, independente da escolha de instâncias para classificação, e é largamente utilizado dentro desse nicho de pesquisa. Com o objetivo de avaliarmos o desempenho dos algoritmos utilizamos algumas métricas de desempenho tais como: tempo de execução, porcentagem de acerto, porcentagem de erro e matriz de confusão. A Tabela 1 mostra os resultados da classificação da rede neural. O algoritmo Backprogation executou em um tempo 350 s para treinar com dados com 500 usuários. A execução da Rede Neural para a classificação obteve um tempo de 321 s. Dos 500 usuários classificados a Rede Neural apresentou um resultado de 100% de acerto. Tabela 1. Resultados do algoritmo Redes Neurais Artificiais de Múltiplas Camadas Métricas de Desempenho Redes Neurais Tempo de Execução (Treinamento) ms Tempo de Execução (Classificação) ms Porcentagem de Acertos 100% Porcentagem de Erros 0% Numero total de Instancias 500 A Tabela 2 mostra a matriz de confusão do resultado de classificação da Rede Neural. Foram utilizadas 10 áreas do conhecimento, dos 500 usuários, haviam 50 de cada área. Todos os usuários foram devidamente classificados em sua área de interesse de acordo com o seu perfil. 5. Conclusão O Scientia.Net enquanto rede social acadêmica tem como objetivo reunir pesquisadores nas mais diversas áreas do conhecimento afim de possibilitar a troca de informações entre eles, e isto feito de forma automática através de algoritmos de Aprendizagem de

8 Tabela 2. Matriz de confusão da execução algoritmo Redes Neurais de Múltiplas Camadas a b c d e f g h i j Classificado como a = Biologia b = Direito c = Economia d = Engenharia Civil e = Física f = Letras g = Matemática h = Medicina i = Odontologia j = Química Máquina. Baseado nesse contexto apresentamos um algoritmos de aprendizagem de maquina, a saber, Redes Neurais Artificiais de Múltiplas Camadas a fim de observarmos o desempenho destes quando da classificação automática de usuários do Scientia.Net [Vieira et al. 2003]. Tendo em vista os resultados obtidos executando o algoritmo sobre dados propostos percebemos que este algoritmo obteve desempenho satisfatório e podem ser utilizados na classificação de usuários do Scientia.Net. A Rede Neural Artificial de Múltiplas Camadas atingiu uma classificação com 100% de acerto. Referências Braga, A. P., de Leon Ferreira de Carvalho, A. P., and Ludermir, T. B. (2007). Redes Neurais Artificiais: Teoria e Aplicações. Rio de Janeiro, 2 edition. Haykin, S. (2001). Redes Neurais: princípios e prática. Porto Alegre. Machado, V. P., de Lima, B. V. A., Arnaldo, H. A., and Araújo, S. W. I. (2011). Classificação automática dos usuários da rede social acadêmica scentia.net. IV Congresso Tecnológico TI e Telecom.INFOBRASIL Matos, P. F., de O. Lobardi, L., Ciferri, R. R., Prado, T. A. S., de A. Ciferri, C. D., and Vieira, M. T. P. (2009). Conceitos sobre aprendizado de máquina. Mitchell, T. M. (1997). Machine learning. Recuero, R. C. (2004). Teoria das redes e redes sociais na internet: Considerações sobre o orkut, os weblogs e os fotologs. XXVII Congresso Brasileiro de Ciências da Comunicação. XXVII INTERCOM. Sutton, R. S. and Barto, A. G. (1998). Reinforcement Learning:An Introduction. Cambridge. Vieira, R. C., Tenório, M. B., Roisenberg, M., and Soares, P. S. S. (2003). Comparação entre redes neurais artificiais e rough sets para classificação de dados. IV Congresso Brasileiro de Redes Neurais.