Redes como o Instagram vem sendo cada vez mais utilizadas por personalidades políticas como espaço de divulgação e de influência. Um desafio ao estudar as comunidades que surgem nessas redes é que há uma grande variabilidade no nível de atividade dos usuários, no conjunto de perfis que eles seguem e na popularidade dos posts. Será possível controlar esses efeitos utilizando grafos aleatórios? Diferentes campos da ciência e suas relações também podem ser vistos como um grafo. Analisamos como as áreas de pesquisa no Brasil estão relacionadas usando dados sobre a trajetória dos pesquisadores: se você publica na revista A, associada com áreas F1 e F2, e depois na revista B, associada com F3, podemos aprender como F1 e F2 estão relacionadas a F3. Dois modelos foram propostos recentemente para construir esses “research spaces”: um modelo frequentista, por Guevara et al. (2016), e um modelo de aprendizado de representações latentes (embeddings), por Chinazzi et al. (2019). Qual deles funciona melhor? Para descobrir as respostas a estas perguntas, venha assistir o próximo Seminário de Computação da UFF. Caso você não ligue para o spoiler, seguem as referências: 🙂
Gomes Ferreira, C.H., Murai, F., Couto da Silva, A.P., de Almeida, J.M., Trevisan, M., Vassio, L., Drago, I. and Mellia, M., 2020. Unveiling Community Dynamics on Instagram Political Network. In ACM WebSci, doi.org/10.1145/3394231.3397913.
Galuppo Azevedo, F. and Murai, F., 2021. Evaluating the state-of-the-art in mapping research spaces: A Brazilian case study. PLOS ONE, 16(3), doi.org/10.1371/journal.pone.0248724.
