Detecting semantic overlapping communities and influential nodes in social networks

Social network communities are composed of people with common interests who influence or are influenced by themselves. Identifying and exploring these relationships are fundamental activities to support collaboration in the network. In the present work we analyze the level of influence among people and their communities, by analyzing social networks considering both their structure and context information. To this, complex networks concepts and semantic technologies are used to combine linkage-based analysis with content-based analysis in social networks. We first propose an algorithm for detecting overlapping communities and important nodes in the network, named NetSCAN. Then, an ontology called NetO is proposed aiming to support semantic analysis. The proposed algorithm and ontology were first tested separately in controlled experiments based on well known datasets. Then, in two history research evaluations, they were used together to perform structural and semantic analysis over two real-world social networks. In first evaluation a Scientific Social Network was analyzed, based on a large scientific repository called DBLP. The second evaluation analyzed a Software Development Social Network constructed from StackOverow data, which is one of the most popular question-answer (Q&A) forum in this context. The first evaluation has shown that we were able to detect scientific communities, influential researchers and their research interests. In the second evaluation, communities of software developers were detected as well as expert developers and their topics of expertise. Therefore, the results points to the viability and effectiveness of the proposed solution.Comunidades em redes sociais são compostas por pessoas de interesses semelhantes que influenciam e são influenciadas pelo grupo. Identificar e explorar estas relações são fatores importantes que podem a apoiar a colaboração na rede. Neste estudo serão analisados os níveis de influencia entre pessoas e suas comunidades, considerando os aspectos estruturais das redes sociais e suas informações de contexto disponíveis. Para isso, conceitos de redes complexas e tecnologias de análise semântica são utilizadas para combinar análise estrutural e análise de conteúdo em redes sociais. Primeiramente é proposto um algoritmo para detecção de comunidades sobrepostas e pessoas imporantes em redes sociais, chamado NetSCAN. Como segunda proposta foi desenvolvida uma ontologia chamada NetO, cujo objetivo é apoiar análises semânticas em redes sociais. O algoritmo e a ontologia foram testados separadamente em experimentos controlados e em conjuntos de dados já conhecidos. Posteriormente, em duas avaliações de pesquisas históricas, o NetSCAN e a NetO foram utilizados em conjunto para realizar análise estrutural e semântica em duas redes sociais do mundo real. Na primeira avaliação uma rede social científica foi analisada, utilizando dados de um repositório científico chamado DBLP. A segunda avaliação analisou uma rede de desenvolvimento de software construída através de dados do StackOverow, um dos mais populares fórum de perguntas e respostas (Q&A). A primera avaliação mostrou que foi possível detectar comunidades científicas, pesquisadores influentes e seus interesses de pesquisa. Na segunda avaliação, comunidades de desenvolvedores de software foram detectados, bem como desenvolvedores especialistas e seus tópicos de expertise. Os resultados apontam para a viabilidade e efetividade da solução proposta.FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerai