Detectar Nodes importantes en una Red Social es un problema interesante. Se puede usar para encontrar los Nodes más influyentes en la red y usar varias métricas, como su ubicación en la red, sus características topológicas, como su grado y pesos de borde. Uno de los algoritmos más famosos para esto es el PageRank de Google .
Este algoritmo caracteriza las páginas, como Nodes, contando el número y la calidad de los enlaces a una página para determinar una estimación aproximada de la importancia del sitio web. La suposición subyacente es que es probable que los sitios web más importantes reciban más enlaces de otros sitios web. Este es uno de los algoritmos más populares para encontrar páginas influyentes/principales/imágenes/Nodes y cualquier cosa que indexe Google. Por lo tanto, la clasificación y sus aplicaciones prevalecen y el principal trabajo en este campo se basa en la clave utilizada para la clasificación. En el mundo en línea, no hemos determinado una única flecha plateada como clave para este propósito. La razón es que no todas las situaciones son iguales y no todas las métricas se pueden determinar de manera segura sin comprometer la privacidad de las personas.
La sugerencia de Zhang et al (2016) fue crear un algoritmo basado en la opinión de los vecinos utilizando un sistema basado en boletas. Los algoritmos tradicionales como K-shells y Grade Centrality, y otros métodos heurísticos como Hill Climbing sufren la posibilidad de que algunos esparcidores estén tan cerca que superpongan la esfera de influencia. Se basa en el hecho de que todos los Nodes votan en un esparcidor en cada turno, y la capacidad de voto de los vecinos del esparcidor elegido disminuirá en el turno siguiente. También los votantes que votaron a favor del líder actual tienen una capacidad de voto disminuida.
Para entender lo que está pasando, repasemos los conceptos básicos.
Red social como gráfico
Es evidente que una red social se puede representar como un gráfico. Las personas pueden actuar como Nodes y sus conexiones pueden actuar como bordes. Estos bordes pueden tener peso o no, donde el peso puede representar la fuerza de la conexión y puede estar dirigido o no, dependiendo de si la conexión es unidireccional o bidireccional.
¿Cómo podemos evaluar el ranking?
¡Esa sí que es una gran pregunta! Como no podemos poner el algoritmo directamente en la plataforma y probarlo, usemos simulaciones físicas. Ahora, a través de una extensa investigación en el campo, los investigadores han afirmado que, de hecho, es posible simularlo. ¡Necesitamos tomar prestadas algunas ideas de la biología! Susceptible Infected and Recovered (SIR) es un modelo de propagación de epidemias y los escritores lo han utilizado como base para una simulación en varias redes del mundo real.
Suena bien, ¿cómo puedo empezar?
Debe aprender sobre gráficos, búsqueda de gráficos, representación, caminos más cortos y tener interés en resolver ecuaciones diferenciales matemáticas. Para aprender los conceptos de gráficos en profundidad, recomendamos consultar GeeksForGeeks Graphs y, para la parte del código, puede consultar Networkx en Python3.
Publicación traducida automáticamente
Artículo escrito por Nipunaggarwal1 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA