| Título : |
Modeling Information Diffusion in Online Social Networks with Partial Differential Equations |
| Tipo de documento: |
documento electrónico |
| Autores: |
Wang, Haiyan, Autor ; Wang, Feng, Autor ; Xu, Kuai, Autor |
| 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. |
| Palabras clave: |
Ecuaciones diferenciales Ciencias sociales Comunicación Aplicación informática en ciencias sociales y del comportamiento Media y comunicación |
| Índice Dewey: |
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. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Modeling Information Diffusion in Online Social Networks with Partial Differential Equations [documento electrónico] / Wang, Haiyan, Autor ; Wang, Feng, Autor ; Xu, Kuai, Autor . - 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.
| Palabras clave: |
Ecuaciones diferenciales Ciencias sociales Comunicación Aplicación informática en ciencias sociales y del comportamiento Media y comunicación |
| Índice Dewey: |
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. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsquedaModeling Information Diffusion in Online Social Networks with Partial Differential Equations / Wang, Haiyan
