Cálculo de reputação em redes sociais a partir de dados da colaboração entre os participantes

• Ano de defesa: 2012
• Autor(a) principal: Sonco Mamani, Edith Zaida
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: collaborative systems; confiança; interação; interaction; PageRank; redes sociais; reputação; reputation; sistemas colaborativos; social networks; trust
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45134/tde-06022013-234400/

Na Web 2.0 são encontrados sistemas com alto volume de interação social. Alguns desses sistemas oferecem cálculo de reputação ou alguma forma de classificação de usuários ou do conteúdo compartilhado. Contudo, em muitos casos, esse valor de reputação resultante é obtido somente a partir de dados quantitativos ou qualitativos. O objetivo deste trabalho é elaborar um modelo para o cálculo de reputação em comunidades on-line, baseando-se em dados qualitativos e quantitativos provenientes da interação dos próprios participantes da rede, a fim de potencializar a colaboração entre os membros e fornecer um meio de cálculo resistente a algumas das vulnerabilidades comuns em sistemas de reputação, como tolerância a ruídos e ataques Sybil. Para atingir esse objetivo é realizada uma adaptação do algoritmo PageRank, definida como CR (Collaborative Reputation) para obter uma ordenação dos usuários a partir de suas interações. Para avaliação, adotamos um conjunto de dados do sítio Epinions.com, com o qual foi realizada uma análise comparativa dos resultados obtidos a partir do modelo proposto com outros três algoritmos correlatos ao trabalho apresentado. Dentre as técnicas usadas na análise estão: diversidade de valores, comparação da ordenação, estudo comparativo de cenários, tolerância a ruídos e robustez contra ataques tipo Sybil. Os algoritmos usados na avaliação são: o PageRank original e o algoritmo ReCop, usados para a identificação de usuários relevantes, e o algoritmo LeaderRank usado para a identificação dos usuários com maior prestígio na rede. Os resultados indicam que o modelo proposto é mais sensível às interações dos usuários em comparação aos outros modelos usados na avaliação, mas é mais eficiente a ataques Sybil.