Modeling Information Diffusion in Online Social Networks with Partial Differential Equations / Wang, Haiyan  

Público ISBD Ningún comentario para este registro. Título : Modeling Information Diffusion in Online Social Networks with Partial Differential Equations Tipo de documento: documento electrónico Autores: Wang, Haiyan, ; Wang, Feng, ; Xu, Kuai, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XIII, 144 p. 39 ilustraciones, 29 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-38852-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ecuaciones diferenciales  Ciencias sociales  Comunicación  Aplicación informática en ciencias sociales y del comportamiento.  Media y comunicación Clasificación: 515.35 Resumen: El libro se encuentra en la interfaz entre las matemáticas, el análisis de las redes sociales y la ciencia de datos. Sus autores pretenden introducir un nuevo enfoque de modelado dinámico para el uso de ecuaciones diferenciales parciales para describir la difusión de información en las redes sociales en línea. Los valores propios y los vectores propios de la matriz laplaciana para la red social subyacente se utilizan para encontrar comunidades (grupos) de usuarios en línea. Una vez que estos grupos están integrados en un espacio euclidiano, los modelos matemáticos, que son ecuaciones de reacción-difusión, se desarrollan en función de las distancias sociales intuitivas entre los grupos dentro del espacio euclidiano. Los modelos se validan con datos de las principales redes sociales, como Twitter. Además, se aplica el análisis matemático de estos modelos, lo que revela información sobre el flujo de información en las redes sociales. En el libro se incluyen dos aplicaciones con datos geocodificados de Twitter: una que describe el movimiento social en Twitter durante la revolución egipcia de 2011 y otra que predice la prevalencia de la gripe. El nuevo enfoque propugna un cambio de paradigma para modelar la difusión de información en las redes sociales en línea y sienta las bases teóricas para muchos problemas de modelado espacio-temporal en la era del big data. Nota de contenido: Ordinary Differential Equation Models on Social Networks -- Spatio-temporal Patterns of Information Diffusion -- Clustering of Online Social Network Graphs -- Partial Differential Equation Models -- Modeling Complex Interactions -- Mathematical Analysis -- Applications. Tipo de medio : Computadora Summary : The book lies at the interface of mathematics, social media analysis, and data science. Its authors aim to introduce a new dynamic modeling approach to the use of partial differential equations for describing information diffusion over online social networks. The eigenvalues and eigenvectors of the Laplacian matrix for the underlying social network are used to find communities (clusters) of online users. Once these clusters are embedded in a Euclidean space, the mathematical models, which are reaction-diffusion equations, are developed based on intuitive social distances between clusters within the Euclidean space. The models are validated with data from major social media such as Twitter. In addition, mathematical analysis of these models is applied, revealing insights into information flow on social media. Two applications with geocoded Twitter data are included in the book: one describing the social movement in Twitter during the Egyptian revolution in 2011 and another predicting influenza prevalence. The new approach advocates a paradigm shift for modeling information diffusion in online social networks and lays the theoretical groundwork for many spatio-temporal modeling problems in the big-data era. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Modeling Information Diffusion in Online Social Networks with Partial Differential Equations [documento electrónico] / Wang, Haiyan, ; Wang, Feng, ; Xu, Kuai,  . -  1 ed.  . - [s.l.] : Springer, 2020 . - XIII, 144 p. 39 ilustraciones, 29 ilustraciones en color. ISBN : 978-3-030-38852-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ecuaciones diferenciales  Ciencias sociales  Comunicación  Aplicación informática en ciencias sociales y del comportamiento.  Media y comunicación Clasificación: 515.35 Resumen: El libro se encuentra en la interfaz entre las matemáticas, el análisis de las redes sociales y la ciencia de datos. Sus autores pretenden introducir un nuevo enfoque de modelado dinámico para el uso de ecuaciones diferenciales parciales para describir la difusión de información en las redes sociales en línea. Los valores propios y los vectores propios de la matriz laplaciana para la red social subyacente se utilizan para encontrar comunidades (grupos) de usuarios en línea. Una vez que estos grupos están integrados en un espacio euclidiano, los modelos matemáticos, que son ecuaciones de reacción-difusión, se desarrollan en función de las distancias sociales intuitivas entre los grupos dentro del espacio euclidiano. Los modelos se validan con datos de las principales redes sociales, como Twitter. Además, se aplica el análisis matemático de estos modelos, lo que revela información sobre el flujo de información en las redes sociales. En el libro se incluyen dos aplicaciones con datos geocodificados de Twitter: una que describe el movimiento social en Twitter durante la revolución egipcia de 2011 y otra que predice la prevalencia de la gripe. El nuevo enfoque propugna un cambio de paradigma para modelar la difusión de información en las redes sociales en línea y sienta las bases teóricas para muchos problemas de modelado espacio-temporal en la era del big data. Nota de contenido: Ordinary Differential Equation Models on Social Networks -- Spatio-temporal Patterns of Information Diffusion -- Clustering of Online Social Network Graphs -- Partial Differential Equation Models -- Modeling Complex Interactions -- Mathematical Analysis -- Applications. Tipo de medio : Computadora Summary : The book lies at the interface of mathematics, social media analysis, and data science. Its authors aim to introduce a new dynamic modeling approach to the use of partial differential equations for describing information diffusion over online social networks. The eigenvalues and eigenvectors of the Laplacian matrix for the underlying social network are used to find communities (clusters) of online users. Once these clusters are embedded in a Euclidean space, the mathematical models, which are reaction-diffusion equations, are developed based on intuitive social distances between clusters within the Euclidean space. The models are validated with data from major social media such as Twitter. In addition, mathematical analysis of these models is applied, revealing insights into information flow on social media. Two applications with geocoded Twitter data are included in the book: one describing the social movement in Twitter during the Egyptian revolution in 2011 and another predicting influenza prevalence. The new approach advocates a paradigm shift for modeling information diffusion in online social networks and lays the theoretical groundwork for many spatio-temporal modeling problems in the big-data era. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200