Resumen

El desarrollo de nuevos métodos para identificar difusores influyentes en redes complejas ha sido un desafío significativo en la ciencia de redes en la última década. La importancia práctica abarca desde la teoría de grafos hasta campos interdisciplinarios como la biología, sociología, economía y marketing. A pesar de la abundante literatura en esta dirección, encontramos poco esfuerzo notable para comparar y clasificar consistentemente las centralidades existentes considerando tanto la topología como el modelo de difusión de opiniones, así como considerando el contexto de la difusión. Con este fin, nuestro estudio introduce un nuevo marco de referencia dirigido al escenario de; nuestro método difiere de la difusión clásica de epidemias SIR, al emplear una difusión basada en la competencia respaldada por el realista modelo de difusión basado en la tolerancia. Revisamos una amplia gama de métodos de clasificación de nodos de última generación y aplicamos nuestro método novedoso en grandes conjuntos de datos sintéticos y del mundo real. Las simulaciones mue

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Desarrollo; Difusores influyentes; Ciencia de redes; Centralidades; Marco de referencia; Modelo de difusión
• Keywords:Development; Influential spreaders; Network science; Centralities; Benchmarking framework; Diffusion model