Matheus A. Diniz, Guilherme A. de Sousa, Michele A. Brandão, Mirella M. Moro

Transcrição

1 app:03 CNARe: Uma Ferramenta Online para Análise de Redes Sociais de Co-autoria e Recomendações Matheus A. Diniz, Guilherme A. de Sousa, Michele A. Brandão, Mirella M. Moro 1 Universidade Federal de Minas Gerais, Belo Horizonte, Brasil {matheusad,guilhermeaugusto,micheleabrandao,mirella}@dcc.ufmg.br Resumo. Neste artigo apresentamos CNARe, uma ferramenta online que exibe recomendações de colaboradores para pesquisadores. Utilizando visualizações e métricas de redes sociais, CNARe também permite investigar como as recomendações afetam as redes de co-autorias, entre outras análises. Abstract. In this paper, we introduce CNARe, an online tool that shows personalized recommendations of collaborators to researchers. Using visualizations and metrics of social networks, CNARe allows to investigate how the recommendations affect a co-authorship network, among other analyzes. 1. Introdução Recentes avanços em algoritmos de recomendação de colaboração [2, 6, 8] têm mostrado o potencial para melhorar a produtividade de pesquisadores e seus grupos através do estabelecimento de novas conexões de pesquisa. As estratégias de recomendação incluem análises das características topológicas da rede de co-autoria, semânticas do relacionamento entre pesquisadores e formalizações matemáticas. Especificamente, uma rede de co-autoria é um tipo específico de rede social onde os nós são pesquisadores e as arestas representam que eles possuem publicações em comum. Além do algoritmo de recomendação, um outro ponto importante de tais sistemas é a visualização de seus resultados. Geralmente, as recomendações são mostradas em listas ordenadas (de acordo com o resultado da função de recomendação). Porém, tal lista não é suficiente para entender como o resultado foi definido ou verificar o potencial da recomendação em melhorar a rede como um todo. Neste trabalho, apresentamos uma ferramenta online chamada CNARe 1 (a pronúncia é scenery). CNARe auxilia pesquisadores a: escolher colaboradores através de recomendações automáticas, visualizar recomendações, comparar resultados de diferentes algoritmos de recomendação e analisar o impacto dos pesquisadores recomendados na sua rede atual. A ferramenta considera três algoritmos de recomendação [2, 6, 8]. CNARe fornece outras visualizações que permitem, por exemplo, comparar o relacionamento entre duas ou mais redes de co-autoria de diferentes instituições. 1 Uma versão inicial desta ferramenta foi aceita para publicação em [4]. As novidades agora estão no esquema relacional do banco de dados e na coleta dos dados da ACM, na matriz de co-autoria e na tela chamada Compare More. Outras informações estão disponíveis em: mirella/tools/cnare 143

2 Figura 1. Arquitetura do CNARe. Tabela 1. Descrição dos dados armazenados no banco de dados. Informações de Coleta #Pesquisadores #Instituições 681 #Publicações Média de co-autores 3.98 #Áreas 61 Período Trabalhos Relacionados Existem sistemas de recomendação e diversos cenários, de redes sociais a comércio eletrônico. Em recomendação de pessoas, redes sociais de co-autoria têm sido utilizadas para tornar grupos de pesquisa mais produtivos. A versão atual da CNARe considera três algoritmos de recomendação que combinam propriedades topológicas de redes sociais de co-autoria com métricas acadêmicas: Affin [2] considera o menor caminho entre pesquisadores e a afiliação institucional dos pesquisadores; CORALS [6] combina o menor caminho entre pesquisadores e a área de pesquisa deles; e MVCWalker [8] usa um modelo de caminhamento aleatório com três métricas acadêmicas (ordem do co-autor na publicação, última data de colaboração e frequência de colaborações). Duas ferramentas mais relacionadas ao CNARe são: a VRRC, que mostra os resultados de apenas um algoritmo de recomendação [1]; e a CollabSeer, que recomenda pesquisadores considerando a estrutura da rede de co-autoria e as áreas de interesse de um usuário [3]. Na CNARe, as recomendações são geradas considerando não apenas a área de pesquisa dos pesquisadores, mas também a afiliação, a ordem do co-autor na publicação, a última data de colaboração e a frequência de colaborações. Ademais, diversas visualizações são fornecidas objetivando mostrar como um colaborador recomendado pode alterar a rede de co-autoria de pesquisadores que receberam a recomendação. 3. Arquitetura da Ferramenta A Figura 1 ilustra uma visão geral dos principais componentes da CNARe divididos em backend e frontend. Especificamente no backend, CNARe armazena publicações de pesquisadores em um banco de dados SQL, cujo esquema relacional inclui tabelas para pesquisadores, publicações e recomendações 2. Cada tabela possui índices B-tree para as chaves primárias e estrangeiras. Não foram criados outros índices pois o desempenho das consultas SQL é rápido o suficiente e poderiam prejudicar o desempenho de operações de insert, delete e update. Para cada pesquisador, as recomendações são armazenadas em uma tabela própria que também identifica qual o método foi escolhido para gerá-las. Utilizando dados previamente armazenados no banco de dados, geramos as recomendações para cada pesquisador. Entretanto, colaboradores também podem ser recomendados em 2 Esquema relacional: mirella/tools/cnare 144

3 tempo real ao selecionar o algoritmo de recomendação desejado. Além disso, cada pesquisador pode pertencer a mais de uma rede de co-autoria (dado que o usuário pode adicionar várias redes com agrupamentos diferentes, por exemplo, por grupo de pesquisa, programa de pós, instituição, etc). Finalmente, é importante notar que consideramos apenas publicações do intervalo [ ] para garantir recomendações de pesquisadores que possuem atuação recente na área. O banco de dados inclui inicialmente publicações da Ciência da Computação. A coleta de dados utilizou a estratégia snowball sampling [5] e considerando informações disponíveis na página de pesquisadores na biblioteca digital da ACM 3. Essa biblioteca foi escolhida pois apresenta a área de cada publicação de acordo com o Sistema de Classificação da ACM. A página de cada pesquisador possui sua lista de publicações, onde cada publicação tem o DOI, a lista de co-autores, a data e local de publicação. A partir do DOI, visita-se a URL especificada para coletar a área de pesquisa de cada publicação e informações sobre cada co-autor: instituição, número total de publicações e nome do co-autor (visto que a lista de co-autores fornece os nomes em formato de citação). Após inserir os co-autores no banco de dados, uma nova consulta é realizada para obter o coautor com maior número de publicações cuja página ainda não foi visitada. Então, a coleta é novamente iniciada a partir da página desse pesquisador. A coleta considera pesquisadores de instituições nacionais (COPPE/UFRJ, PUC/RIO, UFMG, UFPE, UFRGS, UNICAMP, USP/SC, UFF, USP, UFCG, UFES, UFPR, UFRJ, UFRN, UFSC, UFSCAR, UNB, UNISINOS, PUC/PR, PUC/RS, UFAM, UFBA, UFC, PUC/MG, UCPEL, UFG, UFPA) e internacionais (Universidades Carnegie- Mellon, de Illinois at Urbana-Champaign, da California, Berkeley, de Singapore, Stanford, Chinese Academy of Sciences, de Southampton, de Los Angeles, Tsinghua, entre outras) 4. Para diminuir o ruído na entrada dos algoritmos de recomendação, foi necessário filtrar o número de pesquisadores considerado. Então, para instituições nacionais, foram considerados apenas pesquisadores com mais de 10 publicações (esse valor descarta a maioria dos estudantes). Para as internacionais, as instituições mencionadas são dos 100 pesquisadores com maior número de publicações na rede de co-autoria formada a partir de um pesquisador semente (selecionamos Hector Garcia-Molina, um dos pesquisadores com mais publicações na ACM e filiado à Universidade Stanford). Dessa forma, o banco de dados possui pesquisadores de outras instituições internacionais não mencionadas. A Tabela 1 sumariza os dados armazenados no banco de dados do CNARe e apresenta o número de pesquisadores, instituições, publicações, média de co-autores por artigo, quantidade de áreas das publicações e período das publicações coletadas. No frontend estão as três principais funcionalidades da ferramenta: visualização das recomendações de acordo com os três algoritmos, visualização com filtros e resultados de métricas de análise de redes sociais. É importante notar que as últimas duas características objetivam melhorar a apresentação e entendimento das recomendações. A seguir, as funcionalidades são melhor detalhadas através de exemplos. 4. Design e Interfaces As principais funcionalidades da CNARe estão resumidas na Figura 2. 3 Biblioteca digital da ACM: 4 Futuramente, pretende-se expandir a coleta para outras instituições. 145

4 Figura 2. Diagrama de casos de uso: um pesquisador pode realizar todas as ações. O include indica que as ações dependem da busca de um pesquisador. Figura 3. Interface principal da CNARe com recomendações para Mirella M. Moro. Recomendação de colaboradores. A página inicial apresenta a busca por pesquisador, a partir do qual o usuário pode visualizar e comparar as top-5 recomendações geradas, Figura 3. A comparação é realizada aos pares, i.e., três combinações: Affin e CORALS, Affin e MVCWalker, CORALS e MVCWalker. Neste exemplo, a rede centrada na pesquisadora está à esquerda e suas recomendações à direita de acordo com os algoritmos Affin e CORALS. Para cada pesquisador recomendado, a ferramenta apresenta a instituição e áreas de pesquisa, o que permite conhecer um pouco mais sobre os mesmos. É possível visualizar a intensidade (score) de cada recomendação ao passar o mouse pela aresta que a representa e os co-autores de um pesquisador recomendado, e analisar a força de colaborações recomendadas utilizando métricas de redes sociais. Tais visualizações contribuem para o usuário entender como uma colaboração recomendada pode alterar uma rede de co-autoria. Por exemplo, a Figura 4 mostra as recomendações considerando os co-autores de um pesquisador selecionado, mostrando também os colaboradores que o usuário poderá alcançar utilizando como ponte os recomendados. Visualizações e filtros. Para visualização de redes de coautoria, a ferramenta oferece duas opções: redes centradas no pesquisador (exemplo na Figura 3) e de co-autoria global 146

5 Figura 4. Linhas verdes representam colaborações recomendadas: quanto mais intensas mais bem recomendadas foram pelo algoritmo. As recomendações são geradasaoclicaremumdosbotõescomonomedoalgoritmo. (exemplo na Figura 5). A rede centrada apresenta um pesquisador com suas co-autorias, e o objetivo é visualizar as colaborações atuais e as recomendadas. Já as redes globais mostram todas as co-autorias de uma instituição, um pesquisador (os relacionamentos entre os co-autores de um pesquisador), ou uma rede inserida pelo usuário. Tais redes possibilitam uma visão geral e permitem analisar o contexto das redes centradas. Por exemplo, um usuário pode visualizar uma rede de co-autoria global de uma instituição de um pesquisador que foi recomendado a ele. Além disso, CNARe também possibilita comparar mais de três redes sociais de co-autoria (tela Compare More). Isso possibilita, por exemplo, analisar qual instituição dos cinco pesquisadores recomendados possui a rede de co-autoria mais densa. As visualizações podem ser personalizadas através de quatro filtros aplicados às co-autorias: (i) por instituição, mostra apenas os links de co-autores de uma instituição selecionada; (ii) a última vez que a co-autoria ocorreu, foca nas co-autorias em um período de anos (ex., últimos dois anos); (iii) a frequência da co-autoria, apresenta os links entre pesquisadores que publicaram juntos um número selecionado de vezes (ex., de 2 até 5 publicações em comum); e (iv) a data da última formação acadêmica, permite considerar pesquisadores de gerações acadêmicas similares (ex., retirando pesquisadores que já se aposentaram ou são jovens demais). Métricas de redes sociais. CNARe também apresenta métricas de redes sociais. Considerando as redes centradas, é difícil encontrar métricas relevantes, pois elas são relativamente pequenas, com pouca informação. Assim, para tais redes, CNARe aplica sobreposição de vizinhos, coeficiente de clusterização e homofilia por afiliação [7]. Especificamente, a métrica sobreposição de vizinhos apresenta a força dos links recomendados, que permite analisar se cada link recomendado será uma ponte (isto é, uma aresta responsável por conectar comunidades diferentes e não conectadas) ou não. As métricas coeficiente de clusterização e homofilia mostram como as recomendações afetam as redes dos pesquisadores. CNARe também apresenta estatísticas das redes sociais de co-autoria globais, incluindo o número de autores, frequência de co-autorias, entre outras (Fig. 5). 5. Considerações Finais Nesse artigo, apresentamos CNARe, uma ferramenta que mostra as recomendações de colaboração de três algoritmos diferentes. Também são utilizadas visualizações e métricas 147

6 Figura 5. Exemplo de rede global. No menu Visualization Options, ao selecionar a opção Co-authorship, a matriz de co-autoria é apresentada ao invés da rede social. Apenas para ilustrar, colocamos a matriz no retângulo azul. de redes sociais com a finalidade de apresentar como as recomendações modificam a rede centrada em um pesquisador. As visualizações mostram que novos links recomendados podem funcionar como pontes para rede de co-autoria. Todas essas visualizações representam um passo à frente nas ferramentas de recomendação de colaboradores, pois foca em algoritmos de recomendação em vez de apenas visualizar os resultados. Ademais, apesar de utilizarmos publicações da ciência da computação, CNARe pode ser utilizada em outras áreas. O único requisito é que os dados de outras áreas tenham os campos que os algoritmos de recomendação precisam. No futuro, planeja-se integrar outros algoritmos de recomendação e métricas de redes sociais. Agradecimentos a CAPES, CNPq e Fapemig - Brasil. Referências [1] E. M. Barbosa et al. VRRC: Uma Ferramenta Web para Visualização e Recomendação em Redes de Coautoria. In SBBD - Sessão de Demos, Florianópolis, Brasil, [2] M. A. Brandão et al. Using link semantics to recommend collaborations in academic social networks. In WWW Workshops, pages , Rio de Janeiro, Brasil, [3] H.-H. Chen et al. Collabseer: a search engine for collaboration discovery. In JCDL, pages , [4] G. A. de Sousa et al. Cnare: Co-authorship networks analysis and recommendations. In RecSys, Vienna, Áustria (Aceito para publicação), [5] L. A. Goodman. Snowball sampling. The annals of mathematical statistics, pages , [6] G. R. Lopes et al. Collaboration recommendation on academic social networks. In ER Workshops, pages , Vancouver, Canada, [7] S. Wasserman and K. Faust. Social network analysis: Methods and applications, volume 8. Cambridge university press, [8] F. Xia et al. Mvcwalker: Random walk based most valuable collaborators recommendation exploiting academic factors. IEEE Trans. Emerging Topics in Computing, 2(3): ,