Um comparativo entre a modularidade KNN e a medida de estabilidade para extração ótima de grupos a partir de hierarquia de grupos.

Abstract

Análises de agrupamento fazem parte do domínio do aprendizado não supervisionado. Elas envolvem a criação de grupos (clusters) a partir dos dados, reunindo-os com base em características compartilhadas, sem a necessidade de rótulos prévios. Este estudo tem como propósito avaliar a eficácia da métrica de qualidade Modularidade Q, fundamentada na estrutura de redes complexas, dentro do contexto do algoritmo FOSC, usado para extrair agrupamentos. O objetivo é investigar o desempenho dessa métrica ao ser aplicada em hierarquias produzidas por modelos tradicionais de agrupamento hierárquico. O trabalho visa a análise da métrica Modularidade Q, sua comparação com a medida original (Stability) empregada no FOSC, e sua avaliação tanto em cenários pré-definidos quanto em um cenário real, que abrange a análise de redes sociais. O estudo busca enriquecer o entendimento sobre a eficácia da métrica Modularidade Q no contexto do FOSC, bem como sua aplicabilidade prática em situações do mundo real. Os resultados obtidos nesse trabalho foram positivos, mostrando que Modularidade Q tem grande potencial para ser utilizada.