KANDOR : um método de clustering para análise de conhecimento de dinâmicas em vizinhanças e relacionamentos online em mapeamento urbano

• Ano de defesa: 2018
• Autor(a) principal: Rapacki, Ricardo Chagas
• Orientador(a): Galante, Renata de Matos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Redes sociais; Banco : Dados
• Link de acesso: http://hdl.handle.net/10183/187875

Com o surgimento de smartphones e redes sociais baseadas em localização (LBSNs), uma vasta quantidade de dados gerados por usuários se tornou disponível para análise em diversas áreas. Uma destas é a de planejamento urbano, que utilizando estas novas informações pode aprimorar e modernizar sua compreensão de dinâmicas de cidades e a interação entre seus locais e cidadãos. O objetivo deste trabalho é propor o método KANDOR para testar novas formas de representação de clustersa partir de dimensões diferentes de dados de redes sociais, de modo a descobrir informações sobre dinâmicas de cidades e caracterização urbana. Características como avaliação de estabelecimentos, entropia (variedade de usuários) e popularidade podem revelar informações novas e um entendimento mais completo da estrutura e dinâmica da cidade e sua constante transformação. Enquanto os principais trabalhos relacionados utilizam um número reduzido de dimensões dos dados, o método proposto por esta dissertação visa se beneficiar da riqueza de informações existente em redes sociais. Uma pesquisa com usuários foi executada usando uma base de dados de check-ins de Porto Alegre, Brasil e aplicando clustering espectral com os modelos propostos. Os experimentos demonstraram que o uso das dimensões propostas contribui para gerar regiões com características diferentes como tamanho, coesão, desempenho e propagação. O método permite agregar uma vasta diversidade de informações de redes sociais para gerar visões diferentes e complementares da cidade. Logo, aplicando esses métodos em ambientes urbanos, governos e cidadãos podem compreender melhor suas cidades e construir cidades cada vez mais inteligentes.