Leão et al. Journal of Internet Services and Applications (2018) 9:20 https://doi.org/10.1186/s13174-018-0091-6
https://link.springer.com/article/10.1186/s13174-018-0091-6#Sec13
Journal
of Internet Services and Applications (Revista de internet servicios y aplicaciones)
¿Quién está
realmente
en mi círculo social?
Tie strength allows to classify social relationships and identify
different types of them. For instance, social relationships can be
classified as persistent and similar based respectively on the
regularity with which they occur and the similarity among them. On the
other hand, rare and somewhat similar relationships are random and cause
noise in a social network, thus hiding the actual structure of the
network and preventing an accurate analysis of it. In this article, we
propose a method to handle social network data that exploits temporal
features to improve the detection of communities by existing algorithms.
By removing random relationships, we observe that social networks
converge to a topology with more pure social relationships and better
quality community structures.
RESUMEN
La fuerza del lazo permite clasificar las relaciones sociales e
identificar diferentes tipos de ellas. Por ejemplo, las relaciones sociales se
pueden clasificar como persistentes y similares según la regularidad con la que
se producen y la similitud entre ellas. Por otro lado, las relaciones poco
comunes y similares son aleatorias y causan ruido en una red social, ocultando
así la estructura real de la red y evitando un análisis preciso de la misma. En
este artículo, proponemos un método para manejar datos de redes sociales que
explota características temporales para mejorar la detección de comunidades
mediante algoritmos existentes. Al eliminar las relaciones aleatorias,
observamos que las redes sociales convergen en una topología con relaciones
sociales más puras y estructuras comunitarias de mejor calidad.
Este
artículo científico escrito originalmente en inglés es la propuesta de un
método para aprender a identificar las distracciones y perdederas de tiempo no útil
dentro de cualquier red social. Explican de un método o un proceso basados en una
clasificación de amistades (interacciones); aleatorias y la construcción de estadísticas
hechas únicamente con las relaciones sociales, de un participante
(investigador) en una red social especifica. El proceso (método), explicado en
el artículo, lo lograron aplicar a 6 redes sociales.
Según lo
expresa el autor el método propuesto se fundamenta en la “frecuencia de uso de
los vínculos”, se centra además en un Principio para clasificar las relaciones
como sociales, lo que significa que se dice que una relación es social cuando
el número de vecinos comunes asociados a su par de vértices es alto o estos
vértices interactúan frecuentemente.
Por otro
lado, una relación se clasifica como aleatoria cuando sus dos vértices se
conectan con pocos vecinos comunes o interactúan ocasionalmente o una sola vez.
El método busca
eliminar las distracciones de las 6 redes sociales consideradas en nuestros
experimentos. Además, el resultado obtenido por el investigador luego de aplicar
el método en las 6 redes sociales deja claro que:
La mayoría
de los algoritmos de detección de la comunidad han podido encontrar más
comunidades efectivas para investigar.
Lo que
indica que el ruido puede ser responsable de atraer vértices erróneamente a una
comunidad.
Una mejora
significativa en la calidad de las comunidades detectadas.
A pesar, que aun falta validar dicho método en otro tipo de
redes sociales.
