2024-03-29T06:09:01Zhttps://www.tdx.cat/oai/requestoai:www.tdx.cat:10803/3488732017-09-20T22:13:46Zcom_10803_311col_10803_318
nam a 5i 4500
complexos
Xarxes socials
Dinàmiques a llarg termini
Sistemas Complejos
Redes sociales
Dinámicas a largo plazo
Complex systems
Social Networks
Long-term dynamics
Time Evolution and Predictability of Social Behavior in Techno-Social Networks
[Tarragona] :
Universitat Rovira i Virgili,
2016
Accés lliure
http://hdl.handle.net/10803/348873
cr |||||||||||
AAMMDDs2016 sp ||||fsm||||0|| 0 eng|c
Godoy Lorite, Antonia,
autor
1 recurs en línia (100 pàgines)
Tesi
Doctorat
Universitat Rovira i Virgili. Departament d'Enginyeria Química
2016
Universitat Rovira i Virgili. Departament d'Enginyeria Química
Tesis i dissertacions electròniques
Sales Pardo, Marta,
supervisor acadèmic
Guimerà Manrique, Roger,
supervisor acadèmic
TDX
El fet que cada vegada disposem de més dades socials de sistemes socio-tecnològics---sistemes que registren la nostra activitat diària, tals com a registres de targeta de crèdit, registres de trucades telefòniques, correu electrònic, etc.---i les xarxes socials on-line---com facebook, twitter, instagram, etc.---, ha fet possible estudiar el comportament humà des de diferents perspectives. Descobrir els patrons darrere d'aquestes dades no només aportarà un millor coneixement de la societat, sinó que també beneficiaria a la societat en diferents aspectes, com l'adaptació de tecnologia a les necessitats socials o el disseny de millors polítiques per evitar la propagació d'epidèmies. L'objectiu d'aquesta tesi és precisament descobrir patrons estructurals i temporals en els sistemes socials i desenvolupar models predictius sobre la seva base. En particular, analitzem l'evolució a llarg termini en una xarxa de correu electrònic amb més d'1.000 persones al llarg de quatre anys consecutius. Veiem que, encara que l'evolució de la comunicació entre usuaris és altament impredictible, l'evolució macro de les xarxes de comunicació social segueix lleis estadístiques ben definides, caracteritzades pel decaïment exponencial de les variacions logarítmicas del pes de les comunicacions entre usuaris i del pes dels individus a la xarxa. Al mateix temps, trobem que els individus tenen una forma característica de comunicar-se, i aquesta no canvia en anys. Quant a la predictabilidad, desenvolupem dos models basats en xarxes: un model de recomanació (que prediu votacions d'usuaris sobre objectes) i un model d'inferència temporal (que prediu successos en el temps). El nostre model de recomanació és escalable i considerablement més precís en les seves prediccions que els algorismes actuals per bases de dades de milions de votacions. L'enfocament es basa en la suposició que hi ha grups de persones i d'articles (per exemple, pel·lícules, llibres, etc.) i que les preferències d'un individu sobre un element donat depenen del grups als que pertanyin. Però a més, permet que cada individu i cada article pertanyin simultàniament a diferents grups. Les comunitats superposades resultants i les prediccions sobre les votacions poden inferir-se amb un algorisme escalable de maximització d'expectatives basat en una aproximació variacional. En el mo
r
ES-BaCBU
cat
rda
ES-BaCBU
text
txt
rdacontent
informàtic
c
rdamedia
recurs en línia
cr
rdacarrier