Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/3483
Título: Modelando e analisando padrões de mobilidade por meio de representações de node embedding.
Autor(es): Barros, Matheus Fellipe do Carmo
Orientador(es): Ferreira, Carlos Henrique Gomes
Santos, Bruno Pereira dos
Membros da banca: Ferreira, Carlos Henrique Gomes
Santos, Bruno Pereira dos
Torres, Luiz Carlos Bambirra
Pereira Júnior, Lourenço Alves
Palavras-chave: Telefonia - rede móvel
Redes complexas
Teoria dos grafos
Data do documento: 2021
Referência: BARROS, Matheus Fellipe do Carmo. Modelando e analisando padrões de mobilidade por meio de representações de node embedding. 2021. 50 f. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2021.
Resumo: Motivados pelo crescente número de dispositivos móveis capazes de se conectar e trocar mensagens, nós propomos uma metodologia para modelagem e análise da mobilidade dos nós em redes móveis. Especificamente, nós notamos que muitas soluções existentes na literatura, comumente, usam medidas topológicas diretamente computadas sob o grafo para capturar a noção de importância do nó em termos de conectividade. No entanto, cada medida possui sua especificidade, portanto, elas falham em capturar aspectos gerais e, muitas vezes, temporais da rede analisada. Diferentemente dessas medidas, nossa metodologia é baseada em uma estratégia de embeddings, que é uma forma de mapear variáveis categóricas/discretas em um vetor (de baixa dimensão) de números contínuos. Ao usar embeddings, nós somos capazes de representar uma sequência de redes de contato preservando a dimensão espaço-temporal dos nós. Em um estudo de caso realizado, os resultados mostram que nossa abordagem fornece uma representação rica para extração de diferentes padrões de mobilidades, que podem ser úteis para diversas aplicações atreladas a redes, cuja entidades, são móveis. Finalmente, nós comparamos os padrões extraídos pela nossa metodologia com várias medidas topológicas, comumente usadas em diversas soluções deste contexto. Os resultados mostram uma correção moderada com subconjunto delas, o que revela que os padrões extraídos pela nossa abordagem consegue agregar diferentes noções de importância de um nó na rede simultaneamente.
Resumo em outra língua: Motivated by the growing number of mobile devices capable of connecting and exchanging messages, we propose a methodology aiming at modeling and analyzing the nodes’ mobility in mobile networks. Specifically, we note that many existing solutions in the literature commonly use topological measures directly computed over the graph to capture the notion of node importance in terms of connectivity. However, each measure has its specificity and, therefore, fails to capture general aspects. Unlike these metrics, our methodology is based on a embeddings, which is a way to map categorical/discrete variable into a vector of low-dimension of continuos numbers. By using embeddings, we are able to represent and extract patterns from a sequence of contact networks preserving the node’s spatio-temporal dimension. In a case study carried out, our results show that our approach provides a rich representation for extracting different mobility patterns, which can be helpful for various applications linked to networks whose entities are mobile. Finally, we compare the patterns extracted by our methodology with several topological measures commonly used in several solutions in this context. The results show a moderate correction with a subset of them. It means that the patterns extracted by our approach can simultaneously aggregate different notions of a node’s importance in the network.
URI: http://www.monografias.ufop.br/handle/35400000/3483
Aparece nas coleções:Engenharia de Computação - JMV

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_ModelandoAnalisandoPadrões.pdf3,07 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons