Resumen

En la era del big data, las redes sociales se han convertido en un reflejo importante de las comunicaciones e interacciones humanas en Internet. Identificar a los difusores influyentes en las redes juega un papel crucial en diversas áreas, como brotes de enfermedades, propagación de virus y control de la opinión pública. Basado en las tres medidas básicas de centralidad, se ha propuesto un algoritmo integral llamado PARW-Rank para evaluar la influencia de los nodos mediante el análisis de relaciones de preferencia y la técnica de caminata aleatoria. Para cada medida básica, se analiza la relación de preferencia entre cada par de nodos en una red para construir el grafo de preferencia parcial (PPG). Luego, se genera el grafo de preferencia integral (CPG) combinando las relaciones de preferencia con respecto a las tres medidas básicas. Finalmente, la clasificación de los nodos se determina realizando una caminata aleatoria en el CPG. Además, se utilizan cinco redes sociales públicas para el análisis comparativo. Los resultados experimentales muestran que nuestro algoritmo PAR

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Big data; Red social; Difusores influyentes; Medidas de centralidad; Algoritmo PARW-Rank; Caminata aleatoria
• Keywords:Big data; Social network; Influential spreaders; Centrality measures; PARW-Rank algorithm; Random walk