Investigação de metáforas visuais escaláveis para redes muito grandes

• Processo: 15/14426-5
• Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Vigência (Início): 19 de outubro de 2015
• Vigência (Término): 18 de maio de 2016
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Maria Cristina Ferreira de Oliveira
• Beneficiário: Moussa Reda Mansour
• Supervisor no Exterior: John C. Hart
• Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Local de pesquisa: University of Illinois at Urbana-Champaign, Estados Unidos
• Vinculado à bolsa: 13/21779-6 - Escalabilidade visual de representações baseadas em posicionamento de pontos, BP.PD
• Assunto(s): Unidade de processamento gráfico Mineração de dados Visualização de informação Programação paralela Escalabilidade

Resumo

Este projeto é apresentado para realização de Estágio de Pesquisa no Exterior (BEPE) junto ao grupo de Computação Gráfica@Illinois na University of Illinois, Urbana-Champaign, sob a supervisão do Professor John C. Hart. O projeto de pós-doutorado em andamento tem por objetivo investigar novas metáforas visuais para a visualização de dados abstratos, almejando desenvolver novos paradigmas para facilitar o entendimento, a exploração e a mineração guiada pelo usuário (interativa) de grandes bases de dados. Este projeto de pesquisa no exterior tem como foco investigar novas metáforas visuais para grandes redes sociais. Tipicamente, os dados de uma rede social constituem de informações de atributos associados aos indivíduos e as suas relações. Diferentes abordagens tem sido propostas para extrair e identificar informações de interesse em redes sociais. Alguns destes métodos tem como principal foco a identificação de grupos de indivíduos (comunidades) tomando como base seus relacionamentos, enquanto que outros métodos tentam agrupar os indivíduos tomando como base a informações que estes compartilham. Entretanto, integrar as duas abordagens não é simples, pois diferentes métodos matemáticos e computacionais devem ser implementados e integrados em uma estrutura unificada. Além disso, muitos métodos requerem um elevado esforço computacional, o que impossibilita a sua aplicação a redes sociais muito grandes. Neste cenário, o objetivo deste projeto é o de desenvolver um novo método, baseado em estratégias de programação paralela, para identificar comunidades de interesse em grandes redes sociais, tomando como base as informações compartilhadas por seus componentes (indivíduos e relações). Esta solução deverá basear-se em uma única metodologia matemática unificada. Para validar o método proposto, pretendemos empregar a rede científica de co-autoria extraída da plataforma Lattes. (AU)