VISO: uma abordagem para gestão dinâmica das relações entre objetos na Internet das Coisas Social
Resumo
Em meio à rápida expansão da tecnologia, as diferentes aplicações baseadas na Internet das Coisas estão ganhando espaço em vários setores, como casas inteligentes, saúde, dispositivos vestíveis e muito mais. Nesse contexto, o foco central desta tese se dá na gestão dos relacionamentos e materializa-se na abordagem Virtual Interactions between Social Objects (VISO). Esta abordagem apresenta os aspectos funcionais que uma arquitetura centrada na Social IoT deve abranger, enfatizando particularmente a recomendação de amizades entre objetos. Contribuições adicionais incluem: (i) simplificar as interações dos objetos; (ii) fornecer recomendações contextuais para amizades, e; (iii) integração de objetos em círculos sociais. O modelo proposto para a classificação dos relacionamentos baseia-se no PageRank, uma técnica de análise de links desenvolvida para avaliar interações e destacar a importância das conexões entre indivíduos. A VISO também incorpora a teoria das redes sociais organizacionais, do inglês Organizational Network Analysis (ONA), para estruturar os círculos sociais, agilizando a identificação de novas amizades. Ao fundir estas técnicas, a complexidade do ambiente é simplificada com o agrupamento de objetos em comunidades. Isso aprimora recomendações socialmente conscientes e serviços ou amizades personalizadas. Logo, como contribuição científica destaca-se: (i) modificação do algoritmo PageRank incorporando a métrica social da Confiança Direta, determinada por meio de avaliações realizadas por dispositivos da borda após cada interação; (ii) melhoria da classificação dos dispositivos por meio da atribuição de papéis associados a metodologia ONA, permitindo que os dispositivos mais relevantes respondam requisições, e; (iii) utilização de algoritmos de classificação exclusivamente para os objetos mais ativos e influentes no ambiente. Os resultados da validação indicam que a abordagem VISO pode reduzir a complexidade das recomendações, concentrando-se nos 7% dos objetos ativos mais representativos. Esses objetos são responsáveis por 90% das interações nos círculos sociais. Os resultados são promissores e consistentes quando aplicados tanto a dados reais de objetos que interagem livremente no ambiente quanto a dados sintéticos gerados em um ambiente simulado. Além disso, reforçam a capacidade do modelo de categorizar as interações dos objetos relevantes e priorizá-los na indicação aos novos relacionamentos.