Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

The dynamics of knowledge acquisition via self-learning in complex networks

Texto completo
Autor(es):
Lima, Thales S. [1] ; de Arruda, Henrique F. [1] ; Silva, Filipi N. [2, 3] ; Comin, Cesar H. [4] ; Amancio, Diego R. [1, 3] ; Costa, Luciano da F. [2]
Número total de Autores: 6
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Math & Comp Sci, BR-13566590 Sao Carlos, SP - Brazil
[2] Univ Sao Paulo, Sao Carlos Inst Phys, BR-13566590 Sao Carlos, SP - Brazil
[3] Indiana Univ, Sch Informat Comp & Engn, Bloomington, IN 47408 - USA
[4] Univ Fed Sao Carlos, Dept Comp Sci, BR-13565905 Sao Carlos, SP - Brazil
Número total de Afiliações: 4
Tipo de documento: Artigo Científico
Fonte: Chaos; v. 28, n. 8 AUG 2018.
Citações Web of Science: 1
Resumo

Studies regarding knowledge organization and acquisition are of great importance to understand areas related to science and technology. A common way to model the relationship between different concepts is through complex networks. In such representations, networks' nodes store knowledge and edges represent their relationships. Several studies that considered this type of structure and knowledge acquisition dynamics employed one or more agents to discover node concepts by walking on the network. In this study, we investigate a different type of dynamics adopting a single node as the ``network brain.{''} Such a brain represents a range of real systems such as the information about the environment that is acquired by a person and is stored in the brain. To store the discovered information in a specific node, the agents walk on the network and return to the brain. We propose three different dynamics and test them on several network models and on a real system, which is formed by journal articles and their respective citations. The results revealed that, according to the adopted walking models, the efficiency of self-knowledge acquisition has only a weak dependency on topology and search strategy. Published by AIP Publishing. (AU)

Processo FAPESP: 15/22308-2 - Representações intermediárias em Ciência Computacional para descoberta de conhecimento
Beneficiário:Roberto Marcondes Cesar Junior
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 11/50761-2 - Modelos e métodos de e-Science para ciências da vida e agrárias
Beneficiário:Roberto Marcondes Cesar Junior
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 17/09280-7 - Investigando a estrutura e dinâmica de redes de informação
Beneficiário:Filipi Nascimento Silva
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Processo FAPESP: 15/18942-8 - Associando redes complexas com espaços efetivos de atributos
Beneficiário:Cesar Henrique Comin
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 17/13464-6 - Modelando grafos de citação e informação: uma abordagem baseada em redes complexas
Beneficiário:Diego Raphael Amancio
Linha de fomento: Bolsas no Exterior - Pesquisa
Processo FAPESP: 16/19069-9 - Classificação de documentos usando informações semânticas em redes complexas
Beneficiário:Diego Raphael Amancio
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 15/08003-4 - Abordagem de redes complexas em e-Science e dados dinâmicos
Beneficiário:Filipi Nascimento Silva
Linha de fomento: Bolsas no Brasil - Pós-Doutorado