Algoritmo computacional de mezcla dinámica de cliqués para medir la resonancia de individuos en redes sociales
Vol. 25 Núm. 2 (2015), Artículos
Vol. 25 Núm. 2 (2015)

Algoritmo computacional de mezcla dinámica de cliqués para medir la resonancia de individuos en redes sociales

Artículos
https://doi.org/10.15174/au.2015.733
Publicado 2015-05-15
Jorge Esteban Zaragoza Salazar
Universidad Autónoma del Estado de México
Adrían Trueba Espinosa
Universidad Autónoma del Estado de México
HTML
PDF

Archivos suplementarios

Untitled
Untitled
Untitled
Untitled
Untitled
Untitled
Untitled
Untitled

Palabras clave

Clique
graphs
social network
centrality
influence
merge
random walk
Dynamic Time Warping. Cliqué
grafo
red social
centralidad
influencia
fusionar
paseo aleatorio
distorsión temporal dinámica.

Cómo citar

Zaragoza Salazar, J. E., & Trueba Espinosa, A. (2015). Algoritmo computacional de mezcla dinámica de cliqués para medir la resonancia de individuos en redes sociales. Acta Universitaria, 25(2), 28–39. https://doi.org/10.15174/au.2015.733
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver

Descargar cita

Endnote/Zotero/Mendeley (RIS) BibTeX

Resumen

Considerando la facilidad que tienen las redes sociales para reprodcir información, la cual puede ser viral en cuestión de horas, provocando un efecto nocivo o favorable en la sociedad, el presente artículo aborda la propagación de información en redes sociales. Para medir la propagación de la información se proponen métricas para medir la resonancia (centralidad) de un individuo en las redes sociales, utilizando algoritmos y modelos matemáticos. Destacaremos el algoritmo de Dynamic Time Warping (DTW, por sus siglas en inglés) en los resultados obtenidos, con random walk, para simular cómo se difundirá un mensaje en un grafo compuesto por nodos (personas).


https://doi.org/10.15174/au.2015.733
HTML
PDF

Citas

Belo, R. & Ferreira, P. (September, 2012). Using Randomization to Identify Social Influence in Mobile Networks. Trabajo presentado en la 2012 International Conference on and 2012 International Confernece on Social Computing (SocialCom)Privacy, Security, Risk and Trust (PASSAT), Amsterdam, Países Bajos. doi: 10.1109/SocialCom-PASSAT.2012.62


Durr, M., Protschky, V. & Linnhoff-Popien, C. (August, 2012). Modeling Social Network Interaction Graphs. Trabajo presentado en la 2012 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM), Istanbul, Turquía. doi: 10.1109/ASONAM.2012.110


Fortunato, S. (2010). Community detection in graphs. Physics Reports 486, 75-174. doi: 10.1016/j.physrep.2009.11.002


Guo, R. (December, 2012). Research on Information Spreading Model of Social Network. Trabajo presentado en la 2012 Second International Conference on Instrumentation, Measurement, Computer, Communication and Control (IMCCC), Harbin, China. doi: 10.1109/IMCCC.2012.220


Huang X., Acero A., & Hon H. W. (2001). Spoken Language Processing. USA: Prentice-Hall.


Ilyas, M. U. & Radha, H. (June, 2011). Identifying Influential Nodes in Online Social Networks Using Principal Component Centrality. Trabajo presentado en la 2011 IEEE International Conference on Communications (ICC), Kyoto, Japón. doi: 10.1109/icc.2011.5963147


Junquero-Trabado, V., Trench-Ribes, N., Aguila-Lorente, M. A. & Dominguez-Sal, D. (October, 2011). Comparison of influence metrics in information diffusion networks. Trabajo presentado en la 2011 International Conference on Computational Aspects of Social Networks (CASoN). Salamanca, España. doi: 10.1109/CASON.2011.6085914


Khrabrov, A. & Cybenko, G. (August, 2010). Discovering Influence in Communication Networks using Dynamic Graph Analysis. Trabajo presentado en la 2010 IEEE Second International Conference on Social Computing (SocialCom), Minneapolis, EU. doi: 10.1109/SocialCom.2010.48


Liu, D. & Chen, X. (November, 2011). Rumor Propagation in Online Social Networks Like Twitter —A Simulation Study. Trabajo presentado en la 2011 Third International Conference on Multimedia Information Networking and Security (MINES), Shanghai, China. doi: 10.1109/MINES.2011.109.


Müller, M. (2007). Dynamic Time Warping. In Information Retrieval for Music and Motion. Berlin Heidelberg: Springer-Verlag.


Nekovee, M., Moreno, Y., Bianconi, G. & Marsili, M. (2007). Theory of rumour spreading in complex social networks. Physica A, 374, 457-470. doi: 10.1016/j.physa.2006.07.017


Svendsen, M., Mukherjee, A. P. & Tirthapura, S. (2014). Mining Maximal Cliques from a Large Graph using MapReduce: Tackling Highly Uneven Subproblem Sizes. Journal of Parallel and Distributed Computing (Available online). doi:10.1016/j.jpdc.2014.08.011


Wei, X., Valler, N., Prakash, B. A., Neamtiu, I., Faloutsos, M. & Faloutsos, C. (2012). Competing memes propagation on networks: a case study of composite networks. ACM SIGCOMM Computer Communication Review, 42(5), 6-11. doi: 10.1145/2378956.2378958


Yan, B. & Gregory, S. (November, 2009). Detecting Communities in Networks by Merging Cliques. Trabajo presentado en la ICIS 2009. IEEE International Conference on Intelligent Computing and Intelligent Systems, 2009, Shanghai, China. doi: 10.1109/ICICISYS.2009.5358036


Zheng, J., Chen. W., Zhang, L. & Bu, J. (April, 2010). A Metric for Measuring Members’ Contribution to Information Propagation in Social Network Sites. Trabajo presnetad en la 2010 12th International Asia-Pacific Web Conference (APWEB), Busan, Corea del Sur. doi: 10.1109/APWeb.2010.50

Artículos similares

También puede {advancedSearchLink} para este artículo.