Sistema multiagente para el análisis de interacciones entre usuarios en medios sociales

TESIS DE M ´ ASTER Sis ema mul iagen e pa a el an´ alisis de in e acciones en e usua ios en medios sociales Au ho : Ca la Ma ´ ınez Po eda Di ec o es: D . Vicen Bo i Na a o y D a. Elena del Val Nogue a Depa amen o de Sis emas In o m´ a icos y Compu aci´ on, Uni e sidad Poli ´ ecnica de Valencia, Camino de Ve a, s/n 46022 Valencia, Spain Diciemb e de 2016 ´ Indice 1 In oducci´ on 1 1.1 Mo i aci´ on .................................... 1 1.2 Obje i os ..................................... 2 1.3 O ganizaci´ ondeldocumen o ........................... 3 2 Es ado del a e 5 2.1 In oducci´ on.................................... 5 2.2 Agen es In eligen es y Sis emas Mul iagen e . . . . . . . . . . . . . . . . . . . 5 2.3 Redescomplejas ................................. 8 2.3.1 Tiposde edes .............................. 9 2.3.2 Modelosde ed.............................. 11 2.4 Redessocialesonline............................... 15 2.5 An´ alisis de Redes Sociales Online . . . . . . . . . . . . . . . . . . . . . . . . 17 2.6 Conclusiones ................................... 19 3 Dise˜ no del SMA 21 3.1 In oducci´ on.................................... 21 3.2 Modelo de O ganizaci´ onVi ual ......................... 22 3.3 Dimensi´ ones uc u al............................... 22 3.4 Dimensi´ on uncional ............................... 24 3.5 Dimensi´ on din´ amica ............................... 25 3.6 Conclusiones ................................... 26 4 F amewo k 27 4.1 Visi´ onglobal ................................... 27 4.2 Pla a o mayagen es ............................... 29 4.2.1 Rol Moni o : agen es Agen Twee yNeo4jAgen ............. 29 4.2.2 Rol Analyze : agen es Que yNeo4jAgen yG aphAnalyze Agen . . . . 32 4.2.3 Rol Use : agen e VisualAgen ...................... 34 4.3 P o ocolos de in e acci´ on............................. 34 4.4 Conclusiones ................................... 38 I 5 Caso de Es udio 39 5.1 In oducci´ on.................................... 39 5.2 Medidasani elde ed .............................. 40 5.3 Medidasani eldenodo ............................. 42 5.4 An´ alisisdee en os ................................ 45 5.4.1 E en o #Mue eBa be ´ aARV....................... 45 5.4.2 E en o #ChampionsLeague . . . . . . . . . . . . . . . . . . . . . . . 48 5.4.3 E en o #pesadillazamo a . . . . . . . . . . . . . . . . . . . . . . . . . 51 5.5 Conclusiones ................................... 54 6 Conclusiones y abajo u u o 57 6.1 Conclusiones ................................... 57 6.2 T abajoFu u o .................................. 58 6.3 Publicaciones ................................... 59 Bibliog aphy 61 II Lis a de Figu as 2.1 Ejemplos de ipos de edes seg´ un el ipo de in o maci´ on conside ada. Red social: ci as en e alumnos de un ins i u o [36]. Red biol´ ogica: elaciones en e en e medades a pa i de los genes que ienen en com´ un [12]. Red ecnol´ ogica: ayec os en e ae opue os [21]. Red de in o maci´ on: ci aci´ on de a ´ ıculos [3]. 11 2.2 P oceso alea o io de edi ecci´ on de enlaces n=20, k=4 siguiendo el modelo p opues opo Wa s[50].............................. 12 2.3 Es uc u a de Kleinbe g. La es uc u a inicial es una cuad ´ ıcula egula . Las conexiones alea o ias en e dos nodos dis an es se es ablecen con una p oba- bilidad in e samen e p opo cional al cuad ado de la dis ancia en e ellos. . . . . 13 2.4 ´ A bol de dis ancias sociales je ´ a quicas p esen ado po Wa s [49] y Kleinbe g [28]. Los indi iduos se ag upan conside ando ca ac e ´ ıs icas sociales: abajo, ubicaci´ on geog ´ a ica o in e eses. En el ejemplo, lindica el n´ ume o de ni eles de la je a qu´ ıa (l= 4), bes el ac o de ami icaci´ on (b= 2) y xindica la sepa aci´ on en e dos indi iduos. . . . . . . . . . . . . . . . . . . . . . . . . . 14 3.1 Dimensi´ on Es uc u al del SMA p opues o. Es a dimensi´ on p opo ciona una desc ipci´ on de los elemen os que componen el sis ema, es deci , qu´ e oles y qu´ e agen es o man pa e de la o ganizaci´ on i ual. . . . . . . . . . . . . . . 23 3.2 Dimensi´ on Funcional del SMA p opues o. Es a dimensi´ on p opo ciona in o - maci´ on sob e los se icios p opo cionados po los agen es que o man pa e delsis ema. .................................... 24 3.3 Dimensi´ on din´ amica del SMA p opues o. Mues a las in e acciones en e las en idades que o man pa e del sis ema pa a ealiza la ecogida y almace- namien o de in o maci´ on asociada a un e en o en una ed social online (Fol- lowE en )...................................... 25 3.4 Dimensi´ on din´ amica del SMA p opues o. Mues a las in e acciones en e las en idades que o man pa e del sis ema pa a ealiza el an´ alisis de la ed de in e acciones gene ada a pa i de la in o maci´ on ecogida de un e en o en una ed social online ( Reques Analysis) ....................... 26 4.1 Es uc u a gene al del sis ema. Indica la di ecci´ on de los lujos de in e acci´ on y/o con e saci´ on en e los di e en es agen es del sis ema. . . . . . . . . . . . . 29 III 4.2 Ejemplo de c´ omo se almacena ´ ıan los dis in os ipos de mensajes de in e acci´ on asociados a un e en o u ilizando el modelo p opues o pa a almacena la in o - maci´ on en Neo4j. Los nodos del g a o ep esen an las en idades del modelo. Las en idades conside adas en el modelo son: e en os ( ojo), in e acciones ( e de), usua ios (azul). Los enlaces del g a o ep esen an los ipos de ela- ciones que hay en el modelo de da os (i.e., c ea es, men ion, has hash ag, y c ea es). Las elaciones que se mues an en el g a o son las gene adas al in- se a un wee donde no se menciona a ning´ un usua io ( osa), un wee que con iene una menci´ on (mo ado), un wee que es un eply- o (ama illo), y una menci´ on a a ios usua ios (men ion). En la pa e in e io se mues an los cua o mensajes ( wee s) inse ados en la base de da os. . . . . . . . . . . . . . . . . 31 4.3 Red de in e acciones gene ada a pa i de la ac i idad de los usua ios en Twi e asociadaaune en o. ............................... 33 4.4 Diag ama de secuencia pa a el escena io FollowE en . Desc ibe las in e ac- ciones en e los agen es VisualAgen ,Manage Agen ,Agen Twee yNeo4jAgen . .......................................... 35 4.5 Diag ama de secuencia pa a el escena io Reques Analysis. Desc ibe las in e - acciones en e los agen es VisualAgen ,Manage Agen ,Que yNeo4jAgen y G aphAnalyze Agen . .............................. 36 5.1 E oluci´ on de las p opiedades es uc u ales a ni el de ed: longi ud del camino medio, g ado medio de conexi´ on y di´ ame o de la ed. E en o #Mue eBa - be ´ aARV ..................................... 45 5.2 E oluci´ on de las p opiedades es uc u ales a ni el de ed: modula idad. E en o #Mue eBa be ´ aARV ............................... 46 5.3 E oluci´ on de las p opiedades es uc u ales a ni el de ed: densidad. E en o #Mue eBa be ´ aARV ............................... 46 5.4 E oluci´ on de las p opiedades es uc u ales a ni el de ed: n´ ume o de nodos, n´ ume o de ejes y componen e gigan e. E en o #Mue eBa be ´ aARV . . . . . . 47 5.5 E oluci´ on de las p opiedades es uc u ales a ni el de ed: longi ud del camino medio, g ado medio de conexi´ on y di´ ame o de la ed. E en o #Champi- onsLeague..................................... 49 5.6 E oluci´ on de las p opiedades es uc u ales a ni el de ed: modula idad. E en o #ChampionsLeague................................ 49 5.7 E oluci´ on de las p opiedades es uc u ales a ni el de ed: densidad. E en o #ChampionsLeague................................ 50 5.8 E oluci´ on de las p opiedades es uc u ales a ni el de ed: n´ ume o de nodos, n´ ume o de ejes y componen e gigan e. E en o #ChampionsLeague . . . . . . . 50 5.9 E oluci´ on de las p opiedades es uc u ales a ni el de ed: longi ud del camino medio, g ado medio de conexi´ on y di´ ame o de la ed. E en o #pesadillazamo a 52 5.10 E oluci´ on de las p opiedades es uc u ales a ni el de ed: modula idad. E en o #pesadillazamo a ................................. 53 5.11 E oluci´ on de las p opiedades es uc u ales a ni el de ed: densidad. E en o #pesadillazamo a ................................. 53 IV 5.12 E oluci´ on de las p opiedades es uc u ales a ni el de ed: n´ ume o de nodos, n´ ume o de ejes y componen e gigan e. E en o #pesadillazamo a . . . . . . . . 54 V Lis a de Tablas 2.1 Compa a i a de las ca ac e ´ ıs icas p incipales de abajos elacionados con el an´ alisis de edes sociales online. Se han conside ado las siguien es ca ac- e ´ ıs icas: qu´ e uen es de in o maci´ on se han u ilizado pa a gene a la ed, qu´ e ipo de in o maci´ on ex a´ ıda de las edes analizan, qu´ e ipo de elaciones han conside ado pa a gene a las edes, qu´ e medidas de an´ alisis se ienen en cuen a, cu´ ando se ealiza el an´ alisis, y qu´ e ipo de amewo k o ecen. . . . . . 20 4.1 Resumen de la implemen aci´ on de los agen es que o man pa e del amewo k p opues o. Se desc ibe pa a cada agen e del sis ema: los oles que juega, los obje i os en los que pa icipa, los se icios que o ece, los agen es que c ea, y los agen es con los que in e ac ´ ua. ........................ 37 5.1 E oluci´ on de las p opiedades es uc u ales a ni el de nodo du an e el e en o #Mue eBa be ´ aARV. Indica los 5 pe iles que ienen alo es de cen alidad m´ as al os eniendo en cuen a dis in os c i e ios de cen alidad. . . . . . . . . . . . 48 5.2 E oluci´ on de las p opiedades es uc u ales a ni el de nodo: indica un op 5 de los p incipales oles que ienen luga du an e el e en o #ChampionsLeague. . . 51 5.3 E oluci´ on de las p opiedades es uc u ales a ni el de nodo: indica un op 5 de los p incipales oles que ienen luga du an e el e en o #pesadillazamo a. . . . 54 VI CAP´ ITULO 1 In oducci´ on 1.1 Mo i aci´ on........................... 1 1.2 Obje i os . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 O ganizaci´ on del documen o . . . . . . . . . . . . . . 3 1.1 Mo i aci´ on En los ´ ul imos a˜ nos, la o ma en la que las pe sonas se comunican es ´ a cambiando. Las edes sociales online como Facebook, Linkedin o Twi e han supues o una e oluci´ on signi ica i a en la o ma de gene a y pe cibi la in o maci´ on. Cada ez m´ as pe sonas hacen uso de ellas y cualquie a puede compa i opiniones, di undi ideas, en abla amis ades y man ene se ac ual- izado del mundo que nos odea. Seg´ un una encues a del po al Eu os a [18], du an e el pasado a˜ no en 28 pa´ ıses de la UE, ce ca del 50% de los usua ios de en e 16 y 74 a˜ nos usaban in e ne pa a conec a se a edes sociales, sugi iendo un aumen o de uso en ´ es as en los p ´ oximos a˜ nos. Teniendo en cuen a es os da os, esul a ele an e el an´ alisis de la g an can idad de in o maci´ on gene ada po es as edes sociales online pa a pode en ende como se compo an sus usua ios en unas condiciones y ci cuns ancias de e minadas. Los mensajes y las in e acciones en e usua ios en edes sociales online dejan una huella digi- al, siendo posible analiza la in o maci´ on que con ienen e incluso gene a nue a in o maci´ on. ´ Es a in o maci´ on puede se u ilizada pa a analiza el compo amien o de los usua ios du an e un e en o y de qu´ e o ma se p opaga la in o maci´ on den o de las edes sociales online. Pa a a- cili a la a ea, es necesa io hace uso de he amien as que ecupe en, p ocesen y analicen dicha 1 82.3. Redes complejas an o la pe spec i a indi idual y o ganizacional asi como su adap aci´ on a los cambios que suceden en el en o no. La p opues a de es e abajo in en a esol e el p oblema de la ecogida, p ocesado y an´ alisis de in o maci´ on median e el dise˜ no y desa ollo de sis ema mul iagen e donde cada uno de los agen es iene un obje i o(s) indi idual(es) pe o necesi an coope a en e ellos pa a log a el obje i o de la o ganizaci´ on. 2.3 Redes complejas El ´ a ea de Redes Complejas es ´ a cen ada en el es udio de la edes y que se basa en abajos p e ios en el ´ a ea de la eo ´ ıa de g a os. Sin emba go, el ´ a ea de Redes Complejas se di e encia de la isi´ on m´ as adicional de la eo ´ ıa de g a os en los siguien es aspec os [37]: 1. ´ Es a se cen a en el es udio de las p opiedades de edes, no s´ olo desde un pun o de is a e´ o ico, sino ambi´ en desde un pun o de is a expe imen al. Las edes que se analizan eme gen de una mane a na u al en el mundo eal, e olucionando de una mane a no supe - isada y descen alizada (p. ej. Wo ld Wide Web, edes de anspo e, edes de ene g´ ıa, edes econ´ omicas, colabo aciones cien ´ ı icas). 2. Las edes en el ´ a ea de Redes Complejas se en ienden, no s´ olo como la opolog´ ıa de sis emas, sino ambi´ en como un ma co donde las en idades que o man pa e de esas opolog´ ıa in e ac ´ uan [15]. 3. En la eo ´ ıa de g a os, las edes se asum´ ıan es ´ a icas, sin emba go, en abajos ecien es en el ´ a ea de Redes Complejas se ha enido en cuen a la e oluci´ on de las edes espec o al iempo de acue do a eglas din´ amicas. Una de las p ime as aplicaciones conocidas al uso de las edes hace e e encia a Eule y el p oblema de los puen es de K¨ onigsbe g, cuyo plan eamien o dio o igen a la Teo ´ ıa de G a os al y como la conocemos hoy en d´ ıa. Sin emba go, el concep o de Redes Complejas no se es- ableci´ o has a inales de los a˜ nos 50 cuando dos ma em´ a icos, E d¨ os y R´ enyi, hicie on un g an a ance en la eo ´ ıa ma em´ a ica cl´ asica de g a os que e oluciona ´ ıa la o ma en que se pueden modela es os p oblemas. Es os dos ma em´ a icos desc ibie on una ed con una opolog´ ıa com- pleja po medio de un g a o alea o io, es ableciendo de es a mane a los undamen os de la eo ´ ıa de edes alea o ias. Du an e los ´ ul imos a˜ nos, el es udio de edes ha pasado del en oque de an´ alisis de peque˜ nas edes simples, sus p opiedades y las p opiedades de sus nodos y enlaces 2. Es ado del a e 9 a la conside aci´ on de p opiedades es ad´ ıs icas de edes a g an escala. Es e nue o en oque ha sido impulsado po la disponibilidad de compu ado as y edes de comunicaci´ on que pe mi en analiza da os en una escala mucho mayo de lo que e a posible. Aho a no es a o e es udios donde se analizan edes con millones o incluso miles de millones de nodos. Una ed es conside ada una es uc u a compues a po un conjun o de nodos yenlaces. Los nodos indican elemen os que componen la ed y los enlaces indican las conexiones que exis en en e esos nodos. Los ejemplos de edes en con ex os eales incluyen In e ne , Wo ld Wide Web, edes sociales de conocidos u o as conexiones en e indi iduos, o ganizaciones, edes me ab´ olicas, edes alimen icias, edes de ci as en e a ´ ıculos y muchas o as. La ubicuidad de las edes complejas (el hecho de encon a ca ac e ´ ıs icas simila es en muchas ´ a eas de conocimien o) ha es ablecido un conjun o de p oblemas de in es igaci´ on en di e sos sec o es. Es un hecho a i ma que las edes han sido u ilizadas a lo la go de los a˜ nos pa a deno a elaciones en e elemen os y de es a o ma es udia su compo amien o y e oluci´ on. ´ Es o ha supues o que sean elemen os muy es udiados en ´ ambi os como las Ma em´ a icas y las Ciencias Sociales. 2.3.1 Tipos de edes Un conjun o de nodos unidos po enlaces es la e si´ on m´ as simple de ed. Hay muchas man- e as en que las edes pueden se m´ as complejas que es o. Po ejemplo, puede habe m´ as de un ipo di e en e de nodo en una ed, o m´ as de un ipo di e en e de enlace. Los nodos y/o los enlaces pueden ene una a iedad de p opiedades, num´ e icas o de o o ipo, asociadas con ellos. Tomando como ejemplo de una ed social de pe sonas, los ´ e ices pueden ep esen a homb es o muje es, pe sonas de di e en es nacionalidades, luga es, edades, ing esos, o muchas o as cosas. Los enlaces pueden ep esen a la amis ad, pe o ambi´ en pueden ep esen a sim- ila idad, o conocimien o o p oximidad geog ´ a ica. Tambi´ en pueden lle a asociados pesos indicando el ni el de conocimien o que iene una pe sona con la o a. Teniendo en cuen a el ipo de sis ema y los da os a ep esen a , las edes se pueden clasi ica en a ios g upos: edes sociales, edes de in o maci´ on, edes ecnol´ ogicas, y edes biol´ ogicas [38] ( e Figu a 2.1). A con inuaci´ on desc ibimos cada uno de es os g upos de edes. Redes sociales. Una ed social es un conjun o de pe sonas o g upos de pe sonas con alg´ un pa ´ on de conexi´ on o in e acci´ on en e ellos. Los pa ones de amis ad en e indi iduos, las elaciones come ciales en e emp esas, son odo ejemplos de edes que se han es udiado en el 10 2.3. Redes complejas pasado. Uno de los expe imen os m´ as conocidos es el de los “mundos peque˜ nos” ealizado po Milg am [47]. El expe imen o en´ ıa como obje i o de e mina la dis ibuci´ on de longi udes de ayec o en una ed de conocidos. Pa a ello pidi´ o a los indi iduos de la ed pasa una ca a a cada uno de sus conocidos has a que alcanza a al des ina a io. La mayo ´ ıa de las ca as del expe imen o se pe die on, pe o una cua a pa e de las ca as alcanz´ o el obje i o y pas´ o en p omedio po las manos de ap oximadamen e seis pe sonas. Es e expe imen o ue el o igen del concep o popula de “Seis g ados de sepa aci´ on”. Den o de la ca ego ´ ıa de edes sociales se encuen an las edes de a iliaci´ on en las que los g upos/indi iduos son los nodos y los enlaces son colabo aciones de un ipo u o o en e ellos. Un ejemplo cl´ asico de es e ipo de ed es la ed de colabo aci´ on de ac o es cinema og ´ a icos. O a uen e de da os iables pa a la gene aci´ on de edes de colabo aci´ on son los egis os de comunicaci´ on. Po ejemplo, se pod ´ ıa cons ui una ed en el que cada enlace (di igido) en e dos pe sonas ep esen aba una ca a/email o paque e en iado po co eo de uno a o o. Los au o es Ebel, Mielsch y Bo nhold [16] econs uye on el pa ´ on de comunicaciones po co eo elec ´ onico en e cinco mil es udian es en la Uni e sidad de Kiel a a ´ es de los egis os al- macenados po los se ido es de co eo elec ´ onico. En es a ed los nodos ep esen an las di ecciones de co eo y los enlaces di igidos ep esen an un mensaje que pasa de una di ecci´ on a o a. Redes de in o maci´ on. Las edes de in o maci´ on ambi´ en son denominadas en algunos con- ex os como “ edes de conocimien o”. El cl´ asico ejemplo de una ed de in o maci´ on es la ed de ci as en e a ´ ıculos acad´ emicos [17]. La mayo ´ ıa de los a ´ ıculos ci an abajos p e ios de o os sob e emas elacionados. Es as ci as o man una ed en la que los nodos son a ´ ıculos y un enlaces di igidos an de un a ´ ıculo A al a ´ ıculo B indicando que A ci a a B. La es uc u a de la ed e leja la es uc u a de la in o maci´ on almacenada en sus nodos. O o ejemplo muy impo an e de una ed de in o maci´ on es el Wo ld Wide Web, que es una ed de p´ aginas Web que con ienen in o maci´ on, unidas en e s´ ı po hipe ´ ınculos de una p´ agina a o a [25]. Redes ecnol´ ogicas. Las edes ecnol´ ogicas son aquellas que han sido dise˜ nadas po el hom- b e pa a la dis ibuci´ on de ecu sos como pueden se la elec icidad o la in o maci´ on. El caso de la ed el´ ec ica es un buen ejemplo [40]. O as edes de dis ibuci´ on que han sido es udi- adas incluyen la ed de u as de l´ ıneas a´ e eas [51] y edes de ca e e as, e oca iles [39] y ´ a ico pea onal [14]. La ed ele ´ onica y las edes de dis ibuci´ on ales como las u ilizados po la o icina de co eos o emp esas de en ega de paque e ´ ıa ambi´ en en a ´ ıan en es a ca ego ´ ıa gene al. O a ed ecnol´ ogica muy es udiada es In e ne , es deci , la ed de conexiones ´ ısicas 2. Es ado del a e 11 Figu a 2.1: Ejemplos de ipos de edes seg´ un el ipo de in o maci´ on conside ada. Red social: ci as en e alumnos de un ins i u o [36]. Red biol´ ogica: elaciones en e en e medades a pa i de los genes que ienen en com´ un [12]. Red ecnol´ ogica: ayec os en e ae opue os [21]. Red de in o maci´ on: ci aci´ on de a ´ ıculos [3]. en e compu ado as. Redes biol´ ogicas. Los sis emas biol´ ogicos ambi´ en pueden ep esen a se en o ma de edes. Las edes de eacciones me ab´ olicas, las edes gen´ e icas, los ecosis emas y cadenas ´ o icas, las edes neu onales o las ascula es son algunos de los ejemplos de edes biol´ ogicas analizadas desde la pe spec i a de la eo ´ ıa de edes. En el caso de las edes alimen a ias, los nodos ep esen an especies y los enlaces elacionan cada uno de esos nodos en e s´ ı. El an´ alisis del g ado de salida y del g ado de en ada de es e ipo de edes posibili a la ex acci´ on de la complejidad e in e conexi´ on en e las dis in as comunidades na u ales [42]. 2.3.2 Modelos de ed Se han p opues o a ios modelos basados en unciones ma em´ a icas pa a la gene aci´ on de de e minadas es uc u as en edes eales. Es os modelos in en an e leja c´ omo se es ablecen los ´ ınculos en e los indi iduos de la ed. En es a secci´ on desc ibimos dos de los modelos m´ as impo an es: small-wo ld omundo peque˜ no yscale- ee. 12 2.3. Redes complejas Figu a 2.2: P oceso alea o io de edi ecci´ on de enlaces n=20, k=4 siguiendo el modelo p opues o po Wa s [50]. Las edes de small-wo ld se ca ac e izan po ene un al o n´ ume o de enlaces en e nodos ce canos y unos pocos enlaces que conec an nodos que se encuen an dis an es. Es a es uc u a iene dos ca ac e ´ ıs icas p incipales: coe icien e de ag upamien o al o y ayec os co os. El al o coe icien e de ag upamien o e leja que los ecinos de un nodo son ambi´ en ecinos en e ellos (es o ambi´ en se conoce comunmen e con la desc ipci´ on de los amigos de mis amigos son ambi´ en mis amigos). La longi ud co a de ayec o ias se ob iene a a ´ es de las conexiones en e nodos que se encuen an dis an es. Es a p opiedad es ´ a elacionada con el di´ ame o de la ed. El di´ ame o en las edes de mundo peque˜ no es exponencialmen e meno que el ama˜ no de la ed y puede se limi ado a log n, donde nes el n´ ume o de nodos. Es e hecho hace que en e dos nodos en la ed, po lo gene al, exis a un camino co o. Exis en a ios modelos que u ilizan mecanismos alea o ios pa a la gene aci´ on de p opiedades de mundo peque˜ no. Podemos clasi ica los modelos dependiendo de la es uc u a subyacen e u ilizada como base del modelo: •Modelos ejilla-anillo: ienen una es uc u a egula (anillo, celos´ ıa o ejilla) donde se modi ica al e ando al aza algunos de los enlaces exis en es o a˜ nadiendo nue os pa a ob ene ca ac e ´ ıs icas del mundo peque˜ no [29, 50]. •Modelos je ´ a quicos: son m´ as ealis as que los modelos egula es. En el p oceso de gene aci´ on, en luga de u iliza una es uc u a egula (celos´ ıa o anillo), se u ilizan es- uc u as je ´ a quicas que e lejan la es uc u a o ganiza i a de un de e minado dominio. •G id y modelos je ´ a quicos: oma ca ac e ´ ıs icas de los modelos an e io es pa a cons ui la ed. Wa s y S oga z [50] p oponen un m´ e odo pa a cons ui una ed de mundo peque˜ no que 2. Es ado del a e 13 !"#$ %$ &'( )*#+,'- 5×5,'.."/* &0( 1,*"20*-#34 4.-+/.+-* 56- 2'7"#'0,* 2*.86-94 8".: n=5;p=1'2< q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n)H/ 0'( $(&+*): -)*-*"(6 25 ?4(#$2()%@AB #" 3 ,*82#$3&#*$ *. 2*&' &5-("/ M& "&3)&" +#&' 3 )(%!43)1 EI6#8($"#*$34 43&&#,( G3 n×n%)#6H1 +'()( (3,' $*6( #" )(43&(6 +#&' #&" .*!) $(#%'2*)" G"'*)& )3$%( )(43&#*$"'#-H/ 0'($1 *D() &'#" "&)!,&!)(1 .*) (3,' $*6( #& 366" 3 $(+ 3), G4*$% )3$%( )(43&#*$"'#-H +#&' 3 -)*232#4#&5 -)*-*)&#*$34 &* ρ( ,w)−α1 +'()( ρ( ,w)#" &'( %)#6 6#"&3$,( 2(&+(($ 3$6 w1 (N-)(""(6 3" &'( $!82() *. (6%(" 2(&+(($ 2*&' $*6(" GO3$'3&&3$ 6#"&3$,(H1 3$6 α#" 3 -3)38(&() &* 367!"& &'( P)3$6*8#Q#&5P *. &'( %)#6/ ?4(#$2()% 6(8*$"&)3&(" &'3& #. α=2&'($ &'()( (N#"&" 3 6(4#D()5 34%*)#&'8 +#&' ,*"& O((log n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igu a 2.3: Es uc u a de Kleinbe g. La es uc u a inicial es una cuad ´ ıcula egula . Las conexiones alea o ias en e dos nodos dis an es se es ablecen con una p obabilidad in e samen e p opo cional al cuad ado de la dis ancia en e ellos. comienza con una ed egula con nnodos si uados en un anillo y k ecinos po cada nodo. Al- gunos enlaces (seleccionados al aza ) se uel en a econec a con una p obabilidad ρ, 0 ≤ρ≤ 1 ( e´ ase Figu a 2.2). Los au o es concluyen que con alo es in e medios de ρse puede ob ene una ed con ca ac e ´ ıs icas de mundo peque˜ no (al o g ado de ag upaci´ on y longi ud de ayec o en e nodos peque˜ no). O o m´ e odo pa a cons ui una ed con p opiedades de mundo peque˜ no ue p opues o po Kleinbe g en [29]. La ed se basa en un sis ema de ejilla de n×ndimensiones donde odos los nodos de la ed es ´ an conec ados a los ecinos m´ as ce canos (conexiones co as). En onces, las conexiones alea o ias la gas son es ablecidas con una p obabilidad pij que es in e samen e p opo cional al cuad ado de la dis ancia en e ellos: pij ∝ −γ ij donde es la dis ancia de Manha an (n´ ume o de enlaces en e nodos) en la ed en e los nodos iyj( ´ ease la Figu a 2.3). Kleinbe g concluye que cuando γes igual a la dimensi´ on de la ed, po medio de un algo i mo o az se puede encon a un nodo con caminos cuya dis ancia es in e io a log(n)2. Kleinbe g p esen a un modelo je ´ a quico pa a la gene aci´ on de edes con p opiedades de mundo peque˜ no [28]. P ime o, la je a qu´ ıa es modelada como un ´ a bol que iene nhojas. La dis ancia en e dos hojas uy se de ine como la meno dis ancia al p edeceso com´ un h(u, ) en el ´ a bol. Basado en eso, Kleinbe g de ine una ed donde pa a un nodo con g ado kla p obabilidad de es ablece un enlace con un nodo wes p opo cional a bβh( ,w)( ´ ease Figu a 2.4). 14 2.3. Redes complejas Iden i y and sea ch in social ne wo ks Duncan J. Wa s,1, 2, 3, †Pe e She idan Dodds,2, ‡and M. E. J. Newman3, § 1Depa men o Sociology, Columbia Uni e si y, New Yo k, NY 10027. 2Columbia Ea h Ins i u e, Columbia Uni e si y, New Yo k, NY 10027. 3San a Fe Ins i u e, 1399 Hyde Pa k Road, San a Fe, NM 87501 (Da ed: Ap il 2, 2002) Social ne wo ks ha e he su p ising p ope y o being “sea chable”: o dina y people a e capable o di ec ing messages h ough hei ne wo k o acquain ances o each a speci ic bu dis an a ge pe son in only a ew s eps. We p esen a model ha offe s an explana ion o social ne wo k sea chabili y in e ms o ecognizable pe sonal iden i ies de ined along a numbe o social dimensions. Ou model de ines a class o sea chable ne wo ks and a me hod o sea ching hem ha may be applicable o many ne wo k sea ch p oblems including he loca ion o da a iles in pee - o-pee ne wo ks, pages on he Wo ld Wide Web, and in o ma ion in dis ibu ed da abases. In he la e 1960’s, T a e s and Milg am [1] conduc - ed an expe imen in which andomly selec ed indi id- uals in Bos on, Massachuse s, and Omaha, Neb aska, we e asked o di ec le e s o a a ge pe son in Bos on, each o wa ding his o he le e o a single acquain ance whom hey judged o be close han hemsel es o he a ge . Subsequen ecipien s did he same. The a e - age leng h o he esul ing acquain ance chains o he le e s ha e en ually eached he a ge ( oughly 20%) was app oxima ely six. This e eals no only ha sho pa hs exis [2, 3] be ween indi iduals in a la ge social ne wo k bu ha o dina y people can ind hese sho pa hs [4]. This is no a i ial s a emen , since people a ely ha e mo e han local knowledge abou he ne - wo k. People know who hei iends a e. They may also know who some o hei iends’ iends a e. Bu no one knows he iden i ies o he en i e chain o indi iduals be ween hemsel es and an a bi a y a ge . The p ope y o being able o ind a a ge quickly, which we call sea chabili y, has been shown o exis in ce ain speci ic classes o ne wo ks ha ei he possess a ce ain ac ion o hubs (highly connec ed nodes which, once eached, can dis ibu e messages o all pa s o he ne wo k [5, 6, 7]) o a e buil upon an unde lying geo- me ic la ice which ac s as a p oxy o “social space” [4]. Nei he o hese ne wo k ypes, howe e , is a sa is ac o y model o socie y. In his pape , we p esen a model o a social ne wo k ha is based upon plausible social s uc u es and offe s an explana ion o he phenomenon o sea chabili y. Ou model ollows na u ally om six con en ions abou social ne wo ks. 1. Indi iduals in social ne wo ks a e endowed no †Elec onic add ess: [email protected] ‡Elec onic add ess: [email protected] §Elec onic add ess: ma k@san a e.edu k i h=1 h=2 i, j j,k g=6 ij B l=4 ij x =3 A b=2 FIG. 1: (A) Indi iduals (do s) belong o g oups (ellipses) which in u n belong o g oups o g oups and so on gi ing ise o a hie a chical ca ego iza ion scheme. In his example, g oups a e composed o g= 6 indi iduals and he hie a chy has l= 4 le els wi h a b anching a io o b= 2. Indi iduals in he same g oup a e conside ed o be a dis ance x= 1 apa and he maximum sepa a- ion o wo indi iduals is x=l. The example indi iduals iand jbelong o a ca ego y wo le els abo e ha o hei espec i e g oups and he dis ance be ween hem is xij = 3. Indi iduals each ha e z iends in he mod- el and a e mo e likely o be connec ed wi h each o he he close hei g oups a e. (B) The comple e model has many hie a chies indexed by h= 1 . . . H, and he com- bined social dis ance yij be ween nodes iand jis aken o be he minimum ul ame ic dis ance o e all hie a - chies yij = minhxh ij. The simple example shown he e o H= 2 demons a es ha social dis ance can iola e he iangle inequali y: yij = 1 since iand jbelong o he same g oup unde he i s hie a chy and simila ly yjk = 1 bu iand k emain dis an in bo h hie a chies gi ing yik = 4 > yij +yjk = 2. only wi h ne wo k ies, bu iden i ies [8]: se s o cha - Typese by REVT EX Figu a 2.4: ´ A bol de dis ancias sociales je ´ a quicas p esen ado po Wa s [49] y Kleinbe g [28]. Los indi iduos se ag upan conside ando ca ac e ´ ıs icas sociales: abajo, ubicaci´ on geog ´ a ica o in e eses. En el ejemplo, lindica el n´ ume o de ni eles de la je a qu´ ıa (l= 4), bes el ac o de ami icaci´ on (b= 2) y xindica la sepa aci´ on en e dos indi iduos. O o modelo a conside a es la combinaci´ on de un modelo de g id basado en dis ancias y un modelo je ´ a quico. Es a idea es p opues a po Kleinbe g en [27] donde de ine un nue o modelo basado en una es uc u a de g upo. Kleinbe g a i ma que las pe sonas que pe enecen al mismo g upo peque˜ no ienen m´ as p obabilidades de es a conec ados. Po ejemplo, en un modelo de cuad ´ ıcula se pueden encon a g upos (sub-cuad ´ ıculas) donde los nodos es ´ an m´ as ce ca. En las je a qu´ ıas, los g upos se pueden encon a en sub´ a boles donde dos nodos es ´ an den o. El modelo se basa en la dis ancia en e dos nodos ywque se de ine como el ama˜ no del g upo m´ as peque˜ no que con iene ambos nodos. Un ´ ınculo en e dos nodos ywse es ablece con una p obabilidad in e samen e p opo cional al ama˜ no del g upo m´ as peque˜ no donde ambos nodos (g( , w)γ). El o o g upo de modelos exis en es que amos a comen a es el de Redes sin escala. Es e ipo de edes se ca ac e izan po el g ado de los nodos que componen la ed. El g ado de la mayo ´ ıa de los nodos es bajo mien as que unos pocos nodos p esen an un al o g ado de conexi´ on. Es a ca ac e ´ ıs ica se e leja en a ias unciones ma em´ a icas. La m´ as conocida es la ley de po encias opowe -law: pk∼k−α El pa ´ ame o αindica la asa de decaimien o, un alo bajo de αsigni ica un decaimien o m´ as len o y un alo mayo de αsigni ica un decaimien o m´ as d ´ as ico del g ado de conexi´ on de los nodos. Ba abasi y Albe [5] p esen an un modelo ma em´ a ico pa a c ea una ed con ca ac e ´ ıs icas de powe -law. El m´ e odo pa a c ea la ed ealiza lo siguien e: cuando un nue o nodo llega a la ed, iene m´ as p obabilidad de es ablece una conexi´ on con nodos que es ´ an al amen e conec ados que con nodos que ienen pocas conexiones. La p obabilidad de que un nodo que ya es ´ a en la ed eciba un nue o enlace es p(ki) = c ki, donde ces una cons an e de no malizaci´ on 2. Es ado del a e 15 ykies el g ado de conexi´ on del nodo i. Una ez e isado los ipos de edes exis en es y los p incipales modelos es uc u ales podemos a i ma que en es e p oyec o el uso de edes nos ayuda a modela escena ios complejos donde el n´ ume o de ac o es que in e ienen es ele ado. Conc e amen e, en es e abajo las edes que se u iliza ´ an pa a modela las in e acciones en e los usua ios du an e un e en o de e minado se ´ an edes de in o maci´ on donde los nodos se ´ an las cuen as de los usua ios y los enlaces las comunicaciones en e ellos. A pa i de es as edes, se analiza ´ an p opiedades como las que se han comen ado en los modelos es uc u ales (longi ud de caminos, g ados de conexi´ on, e c.) pa a comp ende qu´ e compo amien os comunica i os eme gen. 2.4 Redes sociales online En ´ e minos esenciales, una ed social online es conside ada una es uc u a compues a po un conjun o de usua ios (indi iduos u o ganizaciones) elacionados en base a un c i e io, ales como pa en esco, amis ad, elaci´ on p o esional, e c. y que es as elaciones se han es ablecido u ilizando un medio online. En los ´ ul imos a˜ nos, en In e ne han a lo ado muchas comunidades locales en o ma de edes sociales online y su n´ ume o de usua ios ac i os se ha ido inc emen- ando con el auge de las nue as ecnolog´ ıas y el acceso a los nue os canales de in o maci´ on. Exis en di e en es ipos de edes sociales online: de ipo p o esional, elacionadas con la amis- ad, con a iciones, e c. Las edes sociales online como Facebook, Twi e , Linkedin o Flick con ienen millones de usua ios que compa en pensamien os, p e e encias, c eencias pol´ ı icas as´ ı como es ablecen enlaces en e los usua ios. Cada una de sus con ibuciones deja una huella digi al y pa a pode ealiza cualquie ipo de an´ alisis es necesa io p ocesa y ges iona ese olumen de da os. Ac- ualmen e, g acias a la ecnolog´ ıa disponible den o del ´ a ea de Big Da a, es os da os pueden se almacenados y p ocesados de una mane a e icien e [32]. Es e hecho pe mi e que se pueda analiza y ex ae in o maci´ on sob e el compo amien o de las pe sonas y las in e acciones en e usua ios. El an´ alisis de las edes sociales online iene una aplicaci´ on di ec a en di e sas ´ a eas. Conc e- amen e, el an´ alisis de edes sociales i uales ha sido u ilizado pa a campa˜ nas de ma ke ing on-line y es a egias de pe suasi´ on [31], dise˜ no de in e aces de usua io, sis emas de ecomen- daci´ on, pa a de e mina consumido es po enciales [1] o pa a de e mina la pe sonalidad de los usua ios a a ´ es de sus in e acciones [22]. El an´ alisis de las in e acciones en las edes sociales acili a la comp ensi´ on de los lujos de in o maci´ on y la localizaci´ on de usua ios ienen una 16 2.4. Redes sociales online posici´ on in luyen e en la ed [44, 45]. O os ´ ambi os donde se ha aplicado el an´ alisis de la edes sociales son la pe sonalizaci´ on de los esul ados de b´ usquedas bas´ andose en los in e eses de nodos ecinos en la ed [10], as´ ı como pa a el e o ismo [43] o el cybe bullying [6]. En el abajo p esen ado, nos cen a emos p incipalmen e en una ed social online: Twi e . La az´ on po la que nos decan amos po es a ed social y no po o a es po que Twi e p opo - ciona un API que acili a el acceso a la in o maci´ on y los usua ios que u ilizan es a ed ienen un pe il p´ ublico en su mayo pa e. Twi e [48] naci´ o en el a˜ no 2006 y es una ed social ca alogada como un se icio de mi- c oblogging. Su p incipal ca ac e ´ ıs ica es que pe mi e al usua io publica mensajes de ex o plano de una longi ud de e minada, es ablecida en 140 ca ac e es. Dichos mensajes son denom- inados wee s.´ Es os se mues an en la p´ agina p incipal del usua io y pueden es a some idos a cie as acciones po pa e del es o de los usua ios. Dichas acciones son las siguien es: •Cualquie usua io puede ealiza comen a ios en los wee s (que no sob epase el m´ aximo es ablecido). A a ´ es de es os se puede ci a di ec a o indi ec amen e a o o usua io. •De la misma o ma, un wee puede se e wee eado (di undi sin cambia el con enido po o o usua io) o ci ado (hace e e encia a ´ el, pe o con un ex o o usua io que lo acompa˜ ne). •Un usua io puede indica a inidad po el con enido del wee con la opci´ on de “Me gus a”. Sin emba go, con es a acci´ on no se es ablece ning´ un ipo de lazo en la ed social, simplemen e indica una p e e encia. Los usua ios son los enca gados de subi con enido a la ed, aba cando innume ables emas y discusiones. Los usua ios que comienzan a segui a un usua io, pasan a se denominados ollowe s de ese usua io. Un usua io puede conec a se con o o a a ´ es de mensajes p´ ublicos (los wee s) o po mensajes di ec os, que es un ipo de mensaje ´ ıa p i ada disponible den o de Twi e . Hay muchas mane as de asocia un ema en Twi e , pe o la mane a m´ as ´ acil es median e los hash ags. Los hash ags son e ique as de ex o p ecedidas po un s´ ımbolo hash (#) que con iene el nomb e, ase o desc ipci´ on del ema. Adem´ as, g acias a los hash ags es posible asocia endencias o es ablece ending opics, que son hash ags muy u ilizados en Twi e po los usua ios en un momen o de e minado. Po ejemplo, pa a las Elecciones Gene ales del 20N, los 2. Es ado del a e 17 hash ags u ilizados pa a segui el e en o ue on #EleccionesGene ales2015 y#Elecciones20D, ambos ending opic del momen o du an e los meses p e ios al e en o y despu´ es de ´ es e. Twi e ha sido usado pa a g an a iedad de p op´ osi os, en di e en es si uaciones y luga es. Sin emba go, ha enido g an ele ancia a la ho a de segui de e minados e en os conside ados “de ac ualidad” o “canden es”. Un ejemplo de ello es que ue usado pa a o ganiza y epo a di e en es p o es as como la de Egip o en 2011 [11] o la conocida P ima e a Valenciana de 2012 [2]. 2.5 An´ alisis de Redes Sociales Online C´ omo se compo an los usua ios en las edes sociales online, cuan complejas son y c´ omo se es ablecen a a ´ es de la comunicaci´ on y la in e acci´ on digi al han sido y sigue siendo emas de in e ´ es en dis in as ´ a eas de conocimien o. Habla de complejidad es un hecho, ya que cuan o mayo sea el n´ ume o de pe sonas en una ed social online, mayo es el n´ ume o de conexiones y posibles elaciones en e indi iduos. A a ´ es de las edes sociales online, y conc e amen e en Twi e , se le b inda a los usua ios la posibilidad compa i expe iencias, di ulga opiniones y es ablece lazos de “amis ad”. Sin emba go, desde el pun o de is a del an´ alisis es as edes, Hube man e . al [26] conside a on que muchas de las elaciones de “amis ad” son i ele an es , ya que hay usua ios que pueden segui o se amigos de o os usua ios sin que hayan in e ac uado nunca y que po an o no haya un ´ ınculo eal en e ellos. Teniendo en cuen a es e hecho, lo que elamen e in e esa es conoce la ed social que eme ge conside ando las in e acciones en e usua ios. Va ios abajos se han cen ado en es udia y medi las ca ac e ´ ıs icas de di e en es edes so- ciales online. Mislo e e . al [35] ealiza on un es udio de cua o edes popula es: Flick , You ube,Li eJou nal yO ku , con el obje i o de analiza la es uc u a de los g a os gene a- dos po las elaciones en e indi iduos. Se demos ´ o que cada ed en´ ıa una es uc u a social di e en e, y sin emba go, a pesa de su c ecimien o inc emen al, dicha es uc u a pe manec´ ıa in a iable. As´ ı mismo, ambi´ en se lleg´ o a la conclusi´ on de que la in e acci´ on en e usua ios en´ ıa un al o g ado de ecip ocidad: los usua ios pa icipaban y espond´ ıan mensajes en e ellos. O os abajos es ´ an elacionados con el an´ alisis de la ed social online Twi e debido a su acilidad pa a ecupe a in o maci´ on. Es os abajos es udian y analizan la es uc u a de su ed. Smi h e al. [46] es udia on las edes c eadas en con e saciones pol´ ı icas en Twi e y las 24 3.4. Dimensi´ on uncional Figu a 3.2: Dimensi´ on Funcional del SMA p opues o. Es a dimensi´ on p opo ciona in o maci´ on sob e los se icios p opo cionados po los agen es que o man pa e del sis ema. 3.4 Dimensi´ on uncional Cada ol de inido en la unidad o ganizacional SocialNe wo kAnalyze o ece y/o consume un conjun o de se icios que de ine la uncionalidad del sis ema. ´ Es a se desc ibe de la siguien e mane a ( e igu a 3.2): •Reques Analysis: Es un se icio o ecido po los agen es Use con el obje i o de ob ene in o maci´ on elacionada con el an´ alisis de la e oluci´ on de un e en o. Es a in o maci´ on es p ocesada y mos ada al usua io a a ´ es de una in e az web. •FollowE en : El agen e Use o ece es e se icio que consis e en comenza a segui el e en o y ecopila wee s asociados con el mismo. Es e mismo agen e se enga ga de en ia un mensaje al agen e Manage pa a a˜ nadi los agen es Moni o necesa ios. •Re ie eIn e ac ions: Es e se icio es ´ a o ecido po el agen e Moni o y consis e en la ecolecci´ on de los mensajes asociados con el e en o en Twi e . •Analysis: Es e se icio es el esponsable del an´ alisis de las in e acciones del usua io en un e en o. Lo p opo ciona el agen e Analyze y dicho an´ alisis, una ez e ec uado, se di ige al agen e Use . •Visualize: Lo p opo ciona el agen e Use y el se icio consis e en la isualizaci´ on de los esul ados del analisis p opo cionado po el agen e Analyze al usua io inal. 3. Dise˜ no del SMA 25 Figu a 3.3: Dimensi´ on din´ amica del SMA p opues o. Mues a las in e acciones en e las en idades que o man pa e del sis ema pa a ealiza la ecogida y almacenamien o de in o maci´ on asociada a un e en o en una ed social online (FollowE en ). 3.5 Dimensi´ on din´ amica En es a dimensi´ on se de inen las in e acciones y sus oles pa icipan es. Se conside an dos en idades de in e acci´ on: •FollowE en : Aqu´ ı pa icipan los oles Moni o ,Use yManage ( e igu a 3.3). El agen e Use inicializa la in e acci´ on y los agen es Moni o yManage colabo an ini- ciando las ac i idades C ea eMoni o syRe ie eIn e a ions. Se conside a que el e en o exis e en el sis ema. El Manage c ea un nue o Moni o pa a moni o iza los mensajes que se disponen en el e en o. •Reques Analysis: Aqu´ ı pa icipan los oles Moni o ,Use yAnalyze ( e igu a 3.4). En es e caso, an o el agen e Moni o como el Use pueden inicia la unidad de in e acci´ on Reques Analysis, pe o solo ´ es e ´ ul imo agen e puede inicia la ac i idad ShowResul s. El agen e Analyze puede inicia Ne wo kAnalysis,NodeAnalysis yS a is icsAnalysis. 26 3.6. Conclusiones Moni o /Use Reques Analysis ini ia es ini ia es Ne wo k Analysis Analyze ini ia es Node Analysis ini ia es S a is ics Analysis Show Resul s ini ia es collabo a es ini ia es ini ia es Figu a 3.4: Dimensi´ on din´ amica del SMA p opues o. Mues a las in e acciones en e las en idades que o man pa e del sis ema pa a ealiza el an´ alisis de la ed de in e acciones gene ada a pa i de la in o maci´ on ecogida de un e en o en una ed social online ( Reques Analysis) 3.6 Conclusiones El dise˜ no del SMA p opues o pa a lle a a cabo la ecogida y an´ alisis de la in o maci´ on de Twi e se ha ealizado u ilizando la me odolog´ ıa GORMAS. Es a me odolog´ ıa nos ha pe mi- ido de ini el sis ema po medio de es dimensiones: es uc u al (nos especi ica qu´ e oles in e ienen en el sis ema), uncional (desc ibe qu´ e uncionalidad/se icios o ece cada uno de los oles) y inalmen e la din´ amica (especi ica qu´ e in e acciones y escena ios de in e acci´ on se an a da en e las en idades del sis ema en unci´ on del ol que desempe˜ nen). El uso de la me odolog´ ıa nos ha pe mi ido de ini con de alle el dise˜ no del sis ema que se u iliza ´ a como base pa a el desa ollo del amewo k mul iagen e. CAP´ ITULO 4 F amewo k 4.1 Visi´ on global . . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2 Pla a o ma y agen es . . . . . . . . . . . . . . . . . . . . 29 4.3 P o ocolos de in e acci´ on................. 34 4.4 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . 38 En es e abajo se p opone un sis ema mul iagen e pa a la au oma izaci´ on y dis ibuci´ on del p oceso de ecolecci´ on de da os de la ac i idad de los usua ios en edes sociales online. Pos- e io men e, se analiza su e oluci´ on en di e en es ni eles de g anula idad basados en m´ e icas es uc u ales de edes complejas. El sis ema mul iagen e p opues o es ´ a o ganizado en o gani- zaciones i uales donde hay un conjun o de oles (i.e., Manage ,Moni o ,Analyze yUse ) que de inen los se icios o ecidos. El papel m´ as ele an e es el analizado que se ca ac e iza po o ece se icios elacionados con un an´ alisis con igu able de la in o maci´ on ecopilada que es ´ a asociada a un e en o. Es os se icios o ecen un an´ alisis de lo que ocu e an es, du- an e y despu´ es de un e en o a ni el global e indi idual. Toda la in o maci´ on gene ada du an e ´ es e se le p opo ciona al usua io inal a a ´ es de una in e az. Los agen es que o man pa e del MAS uncionan asinc ´ ona y simul ´ aneamen e, lo que da como esul ado una e iciencia compu acional. Los nue os eque imien os o uncionalidades pueden se abo dados ag egando nue os agen es o econ igu ando los exis en es. 4.1 Visi´ on global En es a secci´ on p esen amos la implemen aci´ on de un amewo k pa a el an´ alisis de la ac i i- dad de los usua ios asociada a un e en o en edes sociales online, conc e amen e Twi e . El 27 28 4.1. Visi´ on global sis ema es ´ a basado en el dise˜ no p opues o en el cap´ ı ulo an e io y cuen a con seis agen es en- ca gados de ealiza la ex acci´ on, almacenamien o, p ocesamien o y an´ alisis de la in o maci´ on p oceden e de Twi e . Conc e amen e el sis ema lo componen los siguien es oles: Manage , Moni o ,Analyze yUse . Algunos agen es pueden ene a ios oles y ealiza sus unciones en base a ellos. En o al los agen es que componen el sis ema son los siguien es: el agen e VisualAgen es el in e media io en e el MAS y el usua io inal. El usua io in e ac ´ ua con es e agen e pa a in- dica el e en o sob e el que es ´ a in e esado en ecoge in o maci´ on y/o analiza . El agen e VisualAgen ecibe es a in o maci´ on y en ´ ıa un mensaje al agen e Manage Agen pa a inicia el seguimien o del e en o. El Manage Agen es esponsable de ges iona los e en os selec- cionados po los usua ios. El agen e Agen Twee es esponsable de ecopila los mensajes de gene ados du an e un e en o. Es os mensajes son en iados al agen e Neo4jAgen pa a se alma- cenados. El agen e Que yNeo4jAgen se enca ga de ex ae la in o maci´ on de la base de da os y c ea la ed que se en ia ´ a al agen e G aphAnalyze Agen .´ Es e agen e ealiza un an´ alisis bajo demanda del usua io y odos los da os se en ´ ıan al agen e VisualAgen que mues a los esul ados del an´ alisis de ac i idad asociada al e en o seleccionado po el usua io. En los sigu- ien es p´ a a os, desc ibimos con de alle los p incipales agen es del amewo k. La idea p incipal y su p oceso gene al se puede di idi en dos pa es: 1. B´ usqueda de la ac i idad asociada a un e en o. A pa i de una in e az g ´ a ica, el usua io in oduce el nomb e del hash ag en Twi e y p esiona el bo ´ on de b´ usqueda. Los agen es que pa icipan son Manage Agen ,VisualAgen ,Agen Twee yNeo4jAgen , que se enca gan ecoge los da os del e en o po pa e del usua io, ecopila odos los wee s que pueden encon a elacionado con ese e en o y almacena los en una base de da os. 2. An´ alisis de los da os. A a ´ es de la misma in e az, el usua io in oduce el hash ag que quie e analiza y un in e alo de echas inicial y inal. Hay que ene en cuen a que deben de exis i da os del e en o en la base de da os pa a e ec ua es a acci´ on. Despu´ es, cuando el usua io p esiona el bo ´ on de analiza , el sis ema se enca ga de ex ae los mensajes co - espondien es a ese in e alo de iempo, c ea la ed y analiza sus ca ac e ´ ıs icas. Los agen es que pa icipan son Manage Agen ,VisualAgen ,Que yNeo4jAgen yG aphAn- alyze Agen . 4. F amewo k 29 Figu a 4.1: Es uc u a gene al del sis ema. Indica la di ecci´ on de los lujos de in e acci´ on y/o con e saci´ on en e los di e en es agen es del sis ema. 4.2 Pla a o ma y agen es El sis ema se basa en un conjun o de agen es desa ollados u ilizando la pla a o ma Magen- ix2 [33]. Magen ix2 es una pla a o ma pa a SMAs abie os que sopo a p o ocolos y con- e saciones de in e acci´ on lexibles, comunicaci´ on indi ec a e in e acciones en e las o gani- zaciones de agen es. Adem´ as, la pla a o ma pe mi e la de inici´ on de un con ex o no ma i o, que se puede adap a ´ acilmen e a los cambios en los equisi os del sis ema. Hoy en d´ ıa, Magen ix2 o ece sopo e a es ni eles: Ni el o ganizacional que consis e en ecnolog´ ıas y ´ ecnicas elacionadas con las sociedades de agen es; Ni el de in e acci´ on que sopo a p o- ocolos y con e saciones de in e acci´ on lexibles; y a ni el de Agen e que o ece di e en es clases de agen es como CAgen (i.e., un agen e que pe mi e la c eaci´ on au om´ a ica de con e - saciones simul ´ aneas) o JasonAgen (i.e., agen es BDI que pueden pa icipa en con e saciones simul ´ aneas). 4.2.1 Rol Moni o : agen es Agen Twee yNeo4jAgen El agen e Agen Twee u iliza el API de Twi e 4J1pa a la ecupe aci´ on de los da os p´ ublicos gene ados po los usua ios du an e un e en o. Dichos da os, una ez ecopilados, son alma- cenados en Neo4J2po el agen e Neo4jAgen . Neo4j es una base de da os de c´ odigo abie o NoSQL implemen ada en Ja a y Scala, es al amen e escalable y u iliza las elaciones como 1h p:// wi e 4j.o g/en/index.h ml 2h ps://neo4j.com/ 30 4.2. Pla a o ma y agen es aspec o cen al de su modelo de da os, po lo que es capaz de almacena , p ocesa y consul a conexiones de mane a e icien e. Los modelos de da os en Neo4J conside an es componen es: nodos pa a pode de ini las en idades, e ique as que se u ilizan pa a ag upa los nodos en conjun os y elaciones que conec an nodos y los o ganizan en es uc u as a bi a ias. En el modelo p opues o, hemos conside ado los siguien es nodos: •hash ag: ep esen a el e en o en el que un usua io es ´ a in e esado. Iden i icamos un solo a ibu o asociado al hash ag: el nomb e del e en o. • wee : ep esen a el mensaje (i.e., mensaje de ex o, o o, ideo, e c.) que un usua io c ea en Twi e . Iden i icamos un conjun o de a ibu os asociados al mensaje como co- o denadas geog ´ a icas, ano aciones empo ales, e e encias a o os usua ios, n´ ume o de likes/ a o i os, e c. •usua io: ep esen a a un usua io de Twi e que ha pa icipado a a ´ es de la publicaci´ on de un mensaje o que ha sido mencionado en el con enido del mismo. Iden i icamos un conjun o de a ibu os asociados al usua io que han sido ex a´ ıdos del p opio mensaje como: ano aciones empo ales, amigos/seguido es, likes, e c. Las elaciones que conec an los nodos en el modelo de da os p opues o son ( e Figu a 4.2): •has hash ag, que conec a un wee con un e en o. •men ions, que conec a un wee (i.e., mensaje de ex o, o o, ideo, e c.) con uno o a ios usua ios a los que se menciona o hace e e encia en el wee . •c ea es, que conec a a un usua io con un wee que ´ el mismo ha c eado. U ilizando es as en idades y elaciones, hemos podido almacena e icien emen e oda la in o - maci´ on gene ada po los usua ios sob e un de e minado e en o. Como ejemplo, se mues a el uso de es e modelo pa a el caso de almacena la ac i idad de los usua ios du an e un e en o en Twi e , pe o puede ex apola se a o as edes sociales donde las in e acciones pod ´ ıan se modeladas como mensajes en e los usua ios sob e un ema o e en o. En Twi e , hemos con- side ado los siguien es ipos de mensajes: •Mensajes globales que se u ilizan cuando la ac ualizaci´ on es ´ a pensada pa a cualquie pe sona que se p eocupe po lee la. Es e el ipo m´ as habi ual de mensaje en Twi e . Es a in o maci´ on y sus elaciones se ep esen an u ilizando el modelo p opues o pa a Neo4j como sigue: 4. F amewo k 31 Twee A Twee -men ion B Twee - eply- o C Twee -men ions B Figu a 4.2: Ejemplo de c´ omo se almacena ´ ıan los dis in os ipos de mensajes de in e acci´ on asociados a un e en o u ilizando el modelo p opues o pa a almacena la in o maci´ on en Neo4j. Los nodos del g a o ep esen an las en idades del modelo. Las en idades conside adas en el modelo son: e en os ( ojo), in e acciones ( e de), usua ios (azul). Los enlaces del g a o ep esen an los ipos de elaciones que hay en el modelo de da os (i.e., c ea es, men ion, has hash ag, y c ea es). Las elaciones que se mues an en el g a o son las gene adas al inse a un wee donde no se menciona a ning´ un usua io ( osa), un wee que con iene una menci´ on (mo ado), un wee que es un eply- o (ama illo), y una menci´ on a a ios usua ios (men ion). En la pa e in e io se mues an los cua o mensajes ( wee s) inse ados en la base de da os. (u:USER)-[:CREATES]->( :MESSAGE) ( :MESSAGE)-[:HAS_HASHTAG]->(e:EVENT) •Mensajes indi iduales que son los que in oluc an a o o usua io. Los mensajes indi id- uales en Twi e pueden se : e wee s,menciones y espues as a los usua ios. –Los e wee s son mensajes que p e iamen e ue on publicados po o o usua io. –Las menciones son mensajes que se usan cuando un usua io p e ende in o ma a a ´ es de un wee a una pe sona espec´ ı ica. A menudo, dos o m´ as usua ios end ´ an con e saciones median e la publicaci´ on de menciones en e s´ ı. –Las espues as a los usua ios son mensajes en los que un usua io menciona a o o usua io en un wee an e io . La in o maci´ on sob e los mensajes indi iduales y sus elaciones se ep esen an usando el modelo p opues o en Neo4j como sigue: ( :MESSAGE)-[:MENTIONS]->(u:USER) 32 4.2. Pla a o ma y agen es 4.2.2 Rol Analyze : agen es Que yNeo4jAgen yG aphAnalyze Agen El agen e Que yNeo4jAgen es esponsable de ex e la in o maci´ on asociada a un e en o du- an e un in e alo de iempo. Pa a ello hace uso del lenguaje Cyphe 3. Cyphe es un lenguaje de consul a de g a os decla a i o que pe mi e la ejecuci´ on e icien e de consul as y la ac ual- izaci´ on de la base de da os. Cyphe oma p es ada su es uc u a de SQLque ies. Las cl´ ausulas se encadenan jun as y alimen an conjun os de esul ados in e medios en e s´ ı. El agen e Que y- Neo4jAgen u iliza es e lenguaje pa a ob ene in o maci´ on sob e las in e acciones de los usua - ios asociadas a un e en o du an e un pe ´ ıodo de iempo. Como ejemplo, mos amos una ins an- cia de una consul a en Cyphe pa a la ecupe aci´ on de in o maci´ on en Twi e que se ha gene - ado sob e un e en o “myE en ” en un in e alo de iempo de e minado [ ime s a , ime end]: MATCH (u:USER)-[:CREATES]->( :MESSAGE)-[:HAS_HASHTAG] ->(e:EVENT{Hash ag:"myE en "}), OPTIONAL MATCH (u2:USER)<-[:MENTION]-( :MESSAGE), WHERE . wee _c ea ed_a >=" ime_s a " AND . wee _c ea ed_a <=" ime_end", RETURN u.Use _sc een_name, . wee _id, u2.Use _sc een_name) Bas´ andose en la in o maci´ on ob enida de la base de da os Neo4j, el agen e Que yNeo4jAgen c ea una ed de in e acciones del e en o ano ada empo almen e. Un usua io A se con ie e en un nodo de la ed cuando pa icipa esc ibiendo un mensaje global o indi idual con el hash ag asociado al e en o o cuando o o usua io B le hace e e encia en un mensaje indi idual den o del in e alo empo al seleccionado. Cada nodo de la ed (usua io) iene una e ique a asociada que ep esen a el ins an e cuando se uni´ o a la ed (i.e., en ins an e cuando pa icip´ o po p ime a ez en el e en o). Los enlaces de la ed se es ablecen cuando un usua io esc ibe un mensaje indi idual donde se menciona a un usua io que ya es aba p esen e en la ed (i.e., un usua io que ya hab´ ıa pa icipado an e io men e en el e en o con un mensaje) o a un usua io que oda ´ ıa no o ma pa e de la ed. Po lo an o, el ipo de ed es di igido ( e Figu a 4.3). Es impo an e obse a que abajamos con da os acumulados (i.e., la ed en el iempo ambi´ en incluye los nodos y enlaces de un momen o an e io 0< ). El agen e Que yNeo4jAgen c ea la ed u ilizando GRAPHML, un lenguaje pa a desc ibi es uc u as de edes complejas y sus da os asociados. Una ez que el agen e Que yNeo4jAgen ha cons uido la ed de in e acciones de usua ios asociada a un e en o du an e un in e alo empo al, el agen e G aphAnalyze Agen inicia el 3h ps://neo4j.com/de elope /cyphe -que y-language/ 4. F amewo k 33 Figu a 4.3: Red de in e acciones gene ada a pa i de la ac i idad de los usua ios en Twi e asociada a un e en o. an´ alisis de las p opiedades es uc u ales a ni el global y/o indi idual. Pa a lle a a cabo es a a ea, el agen e u iliza JUNG4y Gephi Toolki 5. Jung, as´ ı como Gephi Toolki , son una se ie de lib e ´ ıas so wa e que acili an el modelado, an´ alisis y isualizaci´ on de da os que pueden se ep esen ados como una ed. El agen e G aphAnalyze Agen o ece dos ipos de an´ alisis de las in e acciones de los usua ios: •An´ alisis de ni el de ed. A ni el de ed, el agen e G aphAnalyze Agen es udia la e oluci´ on de las siguien es p opiedades a lo la go del iempo: 1. Nodos, es deci , la e oluci´ on de la pa icipaci´ on de los usua ios du an e un e en o o e en os. 2. Enlaces, es deci , c´ omo luye la in o maci´ on en la ed e in luye en la o maci´ on del componen e gigan e. 3. Longi ud y di´ ame o medio de la ed pa a en ende en qu´ e momen o hay un cambio en la es uc u a de la ed y, po lo an o, en la comunicaci´ on. 4. Modula idad y g ado medio, c´ omo de conec adas es ´ an las comunidades. 5. Densidad, un indicado de la p opo ci´ on de enlaces que hay con espec o a odos los posibles. 6. N´ ume o de nodos en la componen e gigan e, ni el de pa icipaci´ on de usua ios den o de la componen e p incipal. •An´ alisis a ni el indi idual. El agen e G aphAnalize Agen es udia la e oluci´ on de las p opiedades de cen alidad de los usua ios (i.e., nodos de la ed) en un e en o. Las p opiedades de cen alidad de e minan qu´ e usua ios son los m´ as impo an es basados en 4h p://jung.sou ce o ge.ne / 5h ps://gephi.o g/ oolki / 40 5.2. Medidas a ni el de ed dis in os ipos de e en os. 5.2 Medidas a ni el de ed El p ime conjun o de medidas es udia la ed asociada al e en o como un odo. Las medidas a ni el de ed de e minan p incipalmen e las p opiedades es uc u ales o opol´ ogicas, es deci , c´ omo se conec an unos nodos con o os. Una ez de e minadas las p opiedades, ´ es as nos ayudan a de e mina si una ed sigue un de e minado pa ´ on ya de inido como puede se una ed de ipo small wo ld, scale- ee, o andom y po lo an o in e i p opiedades p opias del ipo de ed. An es de en a en la de inici´ on de algunas de las p opiedades m´ as impo an es que de e minan la es uc u a de la ed, amos a p esen a la siguien e no aci´ on. G ep esen a una ed que consis e en un conjun o de nodos N, donde cada nodo i∈ {1, ..., n} ep esen a a un usua io. Los nodos es ´ an conec ados a a ´ es de enlaces E∈N×N. U ilizamos la ma iz de adyacencia Apa a ep esen a la ed. Un enlace en e un nodo iy un nodo jse ep esen a como Aij = 1. Si no exis e un enlace en e iyjse ep esen a como Aij = 0. Conside ando es a de inici´ on, p esen amos las siguien es p opiedades que se han enido en cuen a en el an´ alisis. Nodos. Es un indicado del n´ ume o de nodos (i.e., en el con ex o del p oyec o los nodos hacen e e encia a cuen as de usua io) que han pa icipado en un e en o. La e oluci´ on de los nodos pe mi e e el i mo al cual nue os usua ios se inco po an al mismo con su p ime mensaje que usa el hash ag asociado al e en o. Es in e esan e ene en cuen a la e oluci´ on del n´ ume o de nodos po que nos pe mi e de ec a en qu´ e momen o se unen m´ as usua ios a la ed (al e en o). Enlaces. Los enlaces ep esen an las in e acciones en e usua ios (i.e., menciones, e wee s y mensajes) y mues an c´ omo luye la in o maci´ on en el e en o. La e oluci´ on del n´ ume o de enlaces ayuda a e en qu´ e momen o los usua ios in e ac ´ uan m´ as y como consecuencia se o ma la componen e gigan e. La componen e gigan e es la componen e conec ada de la ed que con iene una mayo pa e de los nodos. Longi ud media de los caminos y di´ ame o de la ed. Se de ine como la media de las dis ancias en e odos los pa es de nodos, es deci , la sepa aci´ on ´ ıpica en e pa es de usua ios. 5. Caso de Es udio 41 Si conside amos la ed Gcon un conjun o de ´ e ices N, siendo d(i, j)la dis ancia m´ as co a en e iyjy asumiendo que d= (i, j) = 0 si ino puede se alcanzado po j. La longi ud media del camino m´ as co o lgse ´ a: lg=1 |N|·(|N|−1) ·X i6=j d(i, j) donde |N|es el n´ ume o de nodos de la ed G. La e oluci´ on del camino medio ayuda a e en qu´ e momen o hay un cambio es uc u al en la ed. El di´ ame o es la dis ancia m´ axima de en e odas las dis ancias co as en e dos usua ios de la ed. Es as medidas nos indican cu´ an os e wee s, menciones, o eply- o se ´ ıan necesa ios pa a que un mensaje se p opaga a po oda la ed (di´ ame o) o llegue a un usua io pa icula (camino medio). Densidad. La densidad de e mina la conec i idad en la ed en e pa es, es deci , si un usua io es ´ a conec ado a o o usua io y ´ es e a su ez al p ime o. Es o se calcula di idiendo el n´ ume o de elaciones exis en es en e las elaciones o ales posibles. Es a medida esul a ´ u il pa a conoce si en e usua ios exis e ecip ocidad en e los mensajes que se en ´ ıan (si el usua io A esc ibe al usua io B y ´ es e ´ ul imo esponde de uel a al usua io A). Si en un e en o hay muchos usua ios que esc iben pe o no son espondidos, la densidad de la ed disminuye. Modula idad. La modula idad es la acci´ on de los enlaces que caen den o de los g upos es ablecidos menos la acci´ on espe ada si los enlaces se dis ibuye an al aza . El alo de la modula idad es ´ a en el ango [-1/2,1]. Es posi i o si, po casualidad, el n´ ume o de enlaces den o de los g upos excede el n´ ume o espe ado sob e la base. Pa a una di isi´ on de e mi- nada de los ´ e ices de la ed, la modula idad e leja la concen aci´ on de los enlaces den o de los m´ odulos en compa aci´ on con la dis ibuci´ on alea o ia de enlaces en e odos los nodos independien emen e de los m´ odulos. Usua ios que son pa e de la componen e gigan e de la ed. El an´ alisis de es a p opiedad nos acili a es ima en qu´ e momen o du an e un e en o la componen e gigan e se o ma, es deci , en qu´ e momen o se o ma un n´ ucleo de in e acciones que con iene a la mayo pa e de los usua ios que pa icipan en el e en o. Es a medida es impo an e po que a pa i del mo- men o en el que se o ma la componen e gigan e se de e mina el mejo momen o pa a di undi in o maci´ on. 42 5.3. Medidas a ni el de nodo En las medidas no se iene en cuen a el n´ ume o de con ac os de los usua ios. Es un medida sencilla de ob ene y ecuen emen e se emplea pa a da una idea de los impac os que iene un de e minado wee . Sin emba go, noso os conside amos que las medidas a pa i de las menciones di ec as a usua ios ienen una mayo isibilidad y, po lo an o, un mayo impac o. 5.3 Medidas a ni el de nodo El segundo conjun o de medidas se cen a en la ele ancia de los usua ios den o de la ed, con el in de iden i ica aquellos usua ios m´ as impo an es pa a la o maci´ on de la ed o pa a la ansmisi´ on de in o maci´ on. Habi ualmen e es as medidas se ealizan sob e la ed comple a inal, pe o en nues o caso, la e oluci´ on de la impo ancia de los usua ios a lo la go del e en o es muy ele an e y, como se mues a m´ as adelan e, a ´ ıa mucho, especialmen e en cie o ipo de e en os. Exis en muchas de iniciones de impo ancia y po lo an o muchas medidas de cen alidad pa a edes. En el an´ alisis ealizado en el p oyec o hemos conside ado las siguien es: Cen alidad basada en g ado (deg ee cen ali y). Una de las medidas m´ as simples es ene en cuen a el g ado de un nodo de la ed, el n´ ume o de enlaces conec ados al nodo. Aunque es una medida sencilla, puede se ele an e. Po ejemplo, en una ed social pa ece azonable supone que aquellos nodos que es ´ an muy conec ados puedan ene m´ as acceso a m´ as in o - maci´ on o m´ as p es igio que aquellos nodos que ienen menos. Un ejemplo cla o donde se u iliza es a medida es en edes de ci aciones de a ´ ıculos, donde la impo ancia de un a ´ ıculo (nodo) depende del g ado de en ada de ese a ´ ıculo (in-deg ee). La exp esi´ on que calcula el alo de cen alidad basada en g ado es la siguien e: CDi=X j Aij En las edes di igidas, cada nodo iene dos g ados. El g ado de en ada es el n´ ume o de enlaces en an es y el g ado de salida es el n´ ume o de enlaces salien es. En el con ex o de las edes sociales, pa a un nodo i, el g ado de en ada ep esen a el n´ ume o de mensajes gene ados po o os usua ios donde se hace e e encia a i. Es a m´ e ica indica si el usua io es signi ica i o pa a o a gen e, es deci , que ese usua io es una pe sona conocida den o de la comunidad que pod ´ ıamos de ini como un e e en e den o de la ed. El g ado de salida pa a un nodo ide la 5. Caso de Es udio 43 ed ep esen a el n´ ume o de mensajes que un usua io c ea haciendo e e encia a o os usua ios. El g ado de salida indica la ac i idad del usua io, es deci , que el g ado de in e acci´ on del usua io A con el es o de pa icipan es en el e en o. Cou Di= N X j=1 Aij Cin Di= N X j=1 Aji Cen alidad basada en ec o de alo es p opios (eigen ec o cen ali y). Una ex ensi´ on na u al de la cen alidad basada en el g ado es la cen alidad basada en el ec o de alo es p opios. En es a medida de cen alidad los nodos ecinos no se conside an odos iguales. En muchas ci cuns ancias, la impo ancia de un nodo de la ed aumen a eniendo en cuen a a qu´ e nodos es ´ a conec ado y si es os son ambi´ en impo an es. La cen alidad basada en ec o es p opios del nodo puede se de inida como: CVi=1 λX j∈ki C j=1 λX j∈G AijC j donde kies el conjun o de ecinos de iyλes una cons an e. En el con ex o de las edes sociales, un usua io con un al o alo de eigen ec o es una au o idad que se le sigue po los con enidos que emi e. Den o de es a misma ca ego ´ ıa, ambi´ en se iene en cuen a el PageRank, un ipo de medida que de e mina la ele ancia de los nodos en la ed en base al mayo alo del eigen ec o en una ma iz de adyacencia no malizada A0. Cen alidad basada en ce can´ ıa (Closeness cen ali y). Una medida de cen alidad di e - en e a las an e io es es la p opo cionada po la cen alidad basada en ce can´ ıa, que mide la dis ancia media de un nodo al es o de nodos. Fo malmen e, la ce can´ ıa de un nodo ise de ine como: CCLOi=|N| PjSij donde Ses la ma iz de dis ancias de la ed, es deci , aquella ma iz cuyos elemen os (i,j) 44 5.3. Medidas a ni el de nodo co esponden a la dis ancia m´ as co a desde el nodo ihas a el nodo j. Es a medida se puede in e p e a como la apidez que oma ´ a la p opagaci´ on de la in o maci´ on desde un nodo a odos los dem´ as o como la accesibilidad de un nodo en la ed. Uno de los p oblemas de es a medida es que el ango de alo es de cen alidad en e el m´ aximo y el m´ ınimo es muy es echo. La consecuencia de es o es que es di ´ ıcil dis ingui en e alo es m´ as o menos cen ales u ilizando es a medida. Los alo es de cen alidad ienen a acumula se en un peque˜ no in e alo y es necesa io mi a los d´ ıgi os del inal pa a de e mina cu´ al es m´ as ele an e. Cen alidad basada en in e mediaci´ on (Be weenness cen ali y). Un concep o de cen al- idad que es di e en e a los an e io es es la cen alidad basada en la in e mediaci´ on. Es a medida de cen alidad pa a un nodo amide cu´ an os caminos en e o os dos nodos de la ed (i, j)pasan a a ´ es de ´ el. Los nodos con un al o alo de be weenness pueden se conside ados como in- luyen es en una ed ya que con olan la in o maci´ on que o os nodos se es ´ an pasando. Los nodos que ienen el alo m´ as al o de be weenness en escena ios donde hay ansmisi´ on de in o maci´ on son aquellos nodos po los que m´ as mensajes pasan y en el caso de que ob u ie an un bene icio po hace de “pasa ela” de mensajes, pod ´ ıan adqui i una g an ele ancia en la ed. Los ´ e ices que ienen un al o alo de be weenness son ambi´ en aquellos que al se elim- inados in e umpi ´ an m´ as comunicaciones en e o os nodos de la ed ya que a a ´ es de ellos pasan la mayo pa e de los caminos que eco en los mensajes. La idea de cen alidad basada en in e mediaci´ on puede se conside ada como una ap oximaci´ on a la in luencia que ienen los nodos sob e el p oceso de comunicaci´ on. Fo malmen e, la in e mediaci´ on CBETide un nodo ien una ed se de ine como: CBETi=X j,k bjik bjk donde bjk es el n´ ume o de caminos m´ as co os desde el nodo jhas a el nodo k, y bjik el n´ ume o de caminos m´ as co os desde jhas a kque pasan a a ´ es del nodo i. Un usua io con un alo al o de be weeness indica que es un pun o de conexi´ on en e dis in os g upos de usua ios y suele ene cie o con ol sob e los lujos de in o maci´ on en la ed. Un nodo con un be weenness al o no es necesa io que enga un g ado de en ada o de salida al o. Si quisi´ e amos di undi un mensaje en una ed social, se ´ ıa in e esan e que los usua ios con al o alo de in e mediaci´ on een ia an el mensaje. 5. Caso de Es udio 45 Figu a 5.1: E oluci´ on de las p opiedades es uc u ales a ni el de ed: longi ud del camino medio, g ado medio de conexi´ on y di´ ame o de la ed. E en o #Mue eBa be ´ aARV 5.4 An´ alisis de e en os En es a secci´ on amos a ealiza el an´ alisis de las es uc u as comunica i as que eme gen a pa - i de las in e acciones en e usua ios du an e un e en o en Twi e . Ve emos las p opiedades es uc u ales a ni el de ed y a ni el de nodo que se comen a on en la secci´ on an e io y analiza emos su e oluci´ on. A pa i de es as medidas pod emos de ec a pa ones de comu- nicaci´ on que se siguen en unci´ on del ipo de e en o. Los e en os que hemos conside ado son los siguien es: #Mue eBa be ´ aARV (un e en o de ele isi´ on que a a emas de ac ualidad pol´ ı ica), #ChampionsLeague (un e en o de ipo depo i o) y #pesadillazamo a (un e en o de ele isi´ on de en e enimien o). 5.4.1 E en o #Mue eBa be ´ aARV Teniendo en cuen a la e oluci´ on de las p opiedades es uc u ales, podemos obse a c´ omo se compo an los usua ios en el e en o. Su e oluci´ on se puede di idi en es e apas: inicio, du an e, y inal del p og ama. Es a di isi´ on nos mues a que el compo amien o de los usua ios no es uni o me du an e el p og ama “Al Rojo Vi o”, si no que los usua ios modi ican su o ma de in e ac ua a lo la go del p og ama. La igu a 5.1 mues a la e oluci´ on del di´ ame o, el g ado medio de conexi´ on y la longi ud del camino medio. El di´ ame o de la ed sigue una e oluci´ on pa ecida al camino medio de la ed. Al p incipio del e en o el diame o iene un alo en o no a cinco, es o signi ica que la dis ancia mayo en e dos usua ios de la ed es cinco. Es o es un indicado de que al p incipio del e en o 46 5.4. An´ alisis de e en os Figu a 5.2: E oluci´ on de las p opiedades es uc u ales a ni el de ed: modula idad. E en o #Mue eBa be ´ aARV Figu a 5.3: E oluci´ on de las p opiedades es uc u ales a ni el de ed: densidad. E en o #Mue eBa be ´ aARV los usua ios que han pa icipado median e mensajes son pocos y en e ellos ha habido una comunicaci´ on ec´ ıp oca. Respec o al camino medio,´ es e a aumen ando con o me c ece la ed, lo que signi ica que las comunicaciones en e los usua ios no se man iene cons an e, sino que cambia. El momen o m´ as ele an e de es e cambio es du an e el anscu so del p og ama (en e los ins an es de iempo T+1 y T+3). Es e cambio en la es uc u a se debe a la pa icipaci´ on de nue os usua ios (nue os nodos que se inco po an a la ed) y la gene aci´ on de mensajes de in e acci´ on ( e igu a 5.4). El g ado de conexi´ on de los nodos no e oluciona de una mane a menos signi ica i a que el camino medio. El alo del g ado de conexi´ on es ´ a al ededo de 1.5. Es o signi ica que de media un usua io pa icipa en la ed con uno o dos mensajes en la ed. La igu a 5.2 nos mues a la e oluci´ on de la modula idad. La e oluci´ on de la modula idad nos p opo ciona in o maci´ on sob e las comunidades que se o man en la comunicaci´ on du an e es e 5. Caso de Es udio 47 Figu a 5.4: E oluci´ on de las p opiedades es uc u ales a ni el de ed: n´ ume o de nodos, n´ ume o de ejes y compo- nen e gigan e. E en o #Mue eBa be ´ aARV e en o. En gene al, du an e odo el e en o, se man iene el n´ ume o cons an e de comunidades, es o es un indicado de que los usua ios siguen in e ac uando con el mismo g upo de cuen as de Twi e du an e la e oluci´ on del p og ama. La igu a 5.3 nos mues ala densidad de la ed. ´ Es a iene un alo bajo que a dec eciendo a lo la go del e en o. Es o es debido a que hay una muy baja ecip ocidad en la comunicaci´ on en e los usua ios (i.e., los mensajes gene ados po un usua io A hacen e e encia a o o(s) usua io(s) pe o ´ es e (o ´ es os) no in e accionan con A). Finalmen e, la igu a 5.4 mues a la e oluci´ on del n´ ume o de nodos y enlaces as´ ı como el ama˜ no de la componen e gigan e. Como hemos comen ado an e io men e, es du an e el e en o cuando se p oduce un aumen o signi ica i o de la pa icipaci´ on. Es en ese pe iodo cuando el n´ ume o de usua ios, mensajes y el ama˜ no de la componen e gigan e aumen an. Cabe des aca que el n´ ume o de mensajes es mayo que el n´ ume o de nodos po lo que du an e el e en o los usua ios pa icipan de una mane a m´ as ac i a comen ando lo que es ´ a sucediendo con m´ as de un mensaje. Es o hace que el g ado medio de conexi´ on aumen e ( e igu a 5.1). Es impo an e ija se en el momen o donde la componen e gigan e c ece. Es o es in e esan e a la ho a de decidi cu´ ando es ele an e gene a un mensaje cuyo obje i o sea llegua a la mayo pa e de usua ios que es ´ an pa icipando en el e en o. El an´ alisis que o ece el amewo k pe mi e de ec a qu´ e usua ios juegan un papel ele an e en la comunicaci´ on eniendo en cuen a dis in os c i e ios de cen alidad. En la abla 5.1, mos amos el pe il de los usua ios que son ele an es si conside amos las medidas de cen- alidad comen adas en la secci´ on an e io en dis in os momen os del e en o. Hemos conside - ado los siguien es ipos de pe iles: celeb i ies (i.e., ac o es, p esen ado es, pa icipan es de un 48 5.4. An´ alisis de e en os T IN DEGREE OUT DEGREE PAGE RANK EIGENVECTOR CLOSENESS ECCENTRICITY BETWEENESS INICIO CUENTAS OFICIALES USUARIOS AN ´ ONIMOS CUENTAS OFICIALES CUENTAS OFICIALES CUENTAS OFICIALES CUENTAS OFICIALES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CELEBRITIES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CUENTAS OFICIALES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CELEBRITIES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CUENTAS OFICIALES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CUENTAS OFICIALES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS MEDIO CUENTAS OFICIALES USUARIOS AN ´ ONIMOS CUENTAS OFICIALES CUENTAS OFICIALES CUENTAS OFICIALES CUENTAS OFICIALES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CELEBRITIES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CELEBRITIES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CELEBRITIES CUENTAS OFICIALES CUENTAS OFICIALES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CUENTAS OFICIALES CELEBRITIES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CUENTAS OFICIALES CELEBRITIES M. COMUNICACI ´ ON CELEBRITIES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS FINAL USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS M. COMUNICACI ´ ON USUARIOS AN ´ ONIMOS CUENTAS OFICIALES CUENTAS OFICIALES USUARIOS AN ´ ONIMOS CUENTAS OFICIALES USUARIOS AN ´ ONIMOS CUENTAS OFICIALES CUENTAS OFICIALES USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS M. COMUNICACI ´ ON USUARIOS AN ´ ONIMOS M. COMUNICACI ´ ON M. COMUNICACI ´ ON CUENTAS OFICIALES CUENTAS OFICIALES USUARIOS AN ´ ONIMOS M. COMUNICACI ´ ON USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS M. COMUNICACI ´ ON USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS USUARIOS AN ´ ONIMOS CUENTAS OFICIALES CUENTAS OFICIALES USUARIOS AN ´ ONIMOS Tabla 5.1: E oluci´ on de las p opiedades es uc u ales a ni el de nodo du an e el e en o #Mue eBa be ´ aARV. Indica los 5 pe iles que ienen alo es de cen alidad m´ as al os eniendo en cuen a dis in os c i e ios de cen alidad. concu so, pe sonajes pol´ ı icos, e c.), cuen as o iciales (i.e., cuen as asociadas a p og amas de TV, cuen as o iciales de un e en o, e c.), cuen as de g upos (i.e., club de ans, asociaciones, pa idos pol´ ı icos, e c.), medios de comunicaci´ on (i.e., blogs, blogge s, adios, ele isiones, pe iodis as, e c), y usua ios an´ onimos. En el e en o #Mue eBa be ´ aARV se obse a que las cuen as o iciales asociadas al p og ama son las m´ as ele an es en cuan o a g ado de en ada, page ank, eigen ec o , excen ici y. Es o e leja que las cuen as o iciales no son cuen as que gene en con e saciones con o os usua ios, sino que son cuen as que eciben muchos mensajes de usua ios an´ onimos y s´ olo hacen e e - encia a o as cuen as de pe sonajes o g upos ele an es. Las cuen as de pe sonajes ele an es juegan un papel impo an e du an e el e en o si enemos en cuen a los mensajes ecibidos de o as cuen as (in-deg ee) po que es ´ an elacionados con o as cuen as impo an es (i.e., al o alo de page- ank e eigen ec o ). Los usua ios an´ onimos en es e e en o ambi´ en juegan un papel p incipal en la gene aci´ on de mensajes (i.e., un al o alo en el g ado de salida) y en la conexi´ on de comunidades di e en es (i.e., be weenness). 5.4.2 E en o #ChampionsLeague Es e e en o de la jo nada de Liga de Campeones u o luga el 23 de no iemb e, donde se hicie on seis pa idos de o ma simul ´ anea en el que in e inie on a ios equipos de u bol. Bas´ andonos en la e oluci´ on de las p opiedades es uc u ales, podemos obse a que el com- po amien o de los usua ios du an e el e en o #ChampionsLeague ue a iable en el iempo. La igu a 5.5 mues a la e oluci´ on del di´ ame o, el g ado medio de conexi´ on y la longi ud del camino medio. Al p incipio del e en o, el di´ ame o de la ed es dos. Que la mayo dis ancia en e dos usua ios de la ed sea an baja indica que hay nodos que es ´ an conec ados a muchos o os nodos de la ed, es o hace que disminuyan las dis ancias en e ´ es os. El camino medio de 5. Caso de Es udio 49 Figu a 5.5: E oluci´ on de las p opiedades es uc u ales a ni el de ed: longi ud del camino medio, g ado medio de conexi´ on y di´ ame o de la ed. E en o #ChampionsLeague Figu a 5.6: E oluci´ on de las p opiedades es uc u ales a ni el de ed: modula idad. E en o #ChampionsLeague la ed c ece en la p ime a mi ad del e en o (a medida que c ece la ed) y se man iene cons an e has a inaliza . Es a e oluci´ on en la es uc u a indica que muchos usua ios se unie on al e en o desde T a T+1. En el in e alo en e T+1 a T+2 el aumen o m´ as signi ica i o del n´ ume o de mensajes (i.e., mensajes) que de usua ios hizo que el camino medio se man u ie a cons an e. Un alo an bajo iene elaci´ on con que la mayo ia de los usua ios es ´ an conec ados a cuen as o iciales y medios de comunicaci´ on que hace de hub y aco an los caminos en e los usua ios. El g ado de conexi´ on no e oluciona de o ma signi ica i a. Man iene un alo medio al ededo de 1.4, lo que indica que un usua io pa icipa en la ed con uno o dos mensajes como mucho. La igu a 5.6 nos mues a la e oluci´ on de la modula idad. Podemos e que ´ es a es casi con- s an e y al ene un alo al o indica que el ni el de cohesi´ on en las comunidades de ec adas 56 6.2. T abajo Fu u o de ed e ique adas empo almen e. Finalmen e, bas´ andonos en medidas p opo cionadas en el ´ a ea de edes complejas hemos analizado a ios e en os en la ed social online Twi e . Es e an´ alisis lo hemos lle ado a cabo eniendo en cuen a la e oluci´ on de las p opiedades a ni el de ed y a ni el de nodo. Como esul ado de es e an´ alisis, hemos de ec ado pa ones de e oluci´ on de la ed y las ca ac e ´ ıs icas es uc u ales comunes, as´ ı como las di e encias en e los dis in os e en os. Du an e el desa ollo de es e abajo se han alcanzado los siguien es obje i os: •La p opues a de un dise˜ no de SMA pa a el an´ alisis de e en os en edes sociales. Se ha desc i o la a qui ec u a p opues a desde su dimensi´ on uncional, es uc u al, y din´ amica. •Se ha desa ollado un amewo k basado en ecnolog´ ıas de agen es pa a el an´ alisis de la ac i idad de los usua ios en las edes sociales online du an e un e en o. El amewo k es ´ a basado en una pla a o ma de SMA Magen ix2. •Se ha es ablecido un ipo de ed de in o maci´ on e ique ada empo almen e que ep esen a los lujos de in o maci´ on du an e un e en o. •Se ha ealizado un an´ alisis de a ios casos de es udio de e en os donde se han ex a´ ıdo elemen os signi ica i os que nos han pe mi ido en ende mejo lo que es aba sucediendo en la comunicaci´ on en e usua ios du an e el e en o. 6.2 T abajo Fu u o El abajo p esen ado compone las bases pa a con inua en es a l´ ınea de in es igaci´ on. En e algunos de los abajos u u os que se con emplan es ´ an: (i) in eg a m´ as edes sociales online como pueden se Ins ag am o Facebook que pe mi a hace un an´ alisis de edes mul icapa; (ii) mejo a la isualizaci´ on de las edes de in e acci´ on que con ienen un al o n´ ume o de nodos y enlaces y que pe mi a aplica il os pa a cen a la a enci´ on en de e minadas pa es de la ed; (iii) inco po a nue as medidas pa a el an´ alisis de las in e acciones eniendo en cuen a el dominio; (i ) ealiza una in e az web que pe mi a una mejo isualizaci´ on de los an´ alisis desde cualquie ipo de disposi i o. 6. Conclusiones y abajo u u o 57 6.3 Publicaciones Como esul ado del abajo p esen ado se han ealizado dos publicaciones cien ´ ı icas. La p ime a se ha publicado en un ack de Agen es In eligen es den o de la Con e encia In e - nacional de Modelos de So compu ing en En o nos Indus iales. El segundo abajo ha sido publicado en una e is a con un JCR de 1.630 (Q2). •E. del Val, C. Ma ´ ınez, and V. Bo i. Analyzing use s’ ac i i y in online social ne wo ks o e ime h ough a mul i-agen amewo k. So Compu ing 20.11 (2016): 4331-4345. •E. del Val, C. Ma ´ ınez and V. Bo i. A Mul i-agen F amewo k o he Analysis o Use s Beha io o e Time in On-Line Social Ne wo ks 10 h In e na ional Con e ence on So Compu ing Models in Indus ial and En i onmen al Applica ions pp. 191-201. (2015) Bibliog aphy [1] AHN, Y.-Y., HAN, S., KWAK, H., MOON, S., AND JEONG, H. Analysis o opological cha ac e is ics o huge online social ne wo king se ices. In P oceedings o he 16 h in e na ional con e ence on Wo ld Wide Web (2007), ACM, pp. 835–844. [2] ALBERO-GABRIEL, J. Twi e ,# p ima e a alenciana y gene aci´ on de no icias. Cuade - nos de In o maci´ on y Comunicaci´ on 19 (2014), 253. [3] ALDHOUS, P. The s em cell wa s: da a, me hods and e- sul s. h ps://www.newscien is .com/a icle/ dn18996- he-s em-cell-wa s-da a-me hods-and- esul s/, 2016. [Online; accessed 22-No -2016]. [4] ARGENTE, E., BOTTI, V., AND JULIAN, V. Go mas: An o ganiza ional-o ien ed me hodological guideline o open mas. In In e na ional Wo kshop on Agen -O ien ed So wa e Enginee ing (2009), Sp inge , pp. 32–47. [5] BARABASI, A. L., AND ALBERT, R. Eme gence o scaling in andom ne wo ks. Science (New Yo k, N.Y.) 286 (1999), 509–512. [6] BASTIAENSENS, S., VANDEBOSCH, H., POELS, K., VAN CLEEMPUT, K., DESMET, A., AND DEBOURDEAUDHUIJ, I. Cybe bullying on social ne wo k si es. an expe imen- al s udy in o bys ande s’ beha iou al in en ions o help he ic im o ein o ce he bully. Compu e s in Human Beha io 31 (2014), 259–271. [7] BENEVENUTO, F., RODRIGUES, T., CHA, M., AND ALMEIDA, V. Cha ac e izing use beha io in online social ne wo ks. In P oceedings o he 9 h ACM SIGCOMM con e ence on In e ne measu emen con e ence (2009), ACM, pp. 49–62. 59 60 Bibliog a ´ ıa [8] BORGE-HOLTHOEFER, J., RIVERO, A., GARC´ IA, I., CAUH ´ E, E., FERRER, A., FER- RER, D., FRANCOS, D., I ˜ NIGUEZ, D., P´ EREZ, M. P., RUIZ, G., ET AL. S uc u al and dynamical pa e ns on online social ne wo ks: he spanish may 15 h mo emen as a case s udy. PLoS One 6, 8 (2011). [9] BORONDO, J., MORALES, A., LOSADA, J. C., AND BENITO, R. M. Cha ac e izing and modeling an elec o al campaign in he con ex o wi e : 2011 spanish p esiden ial elec ion as a case s udy. Chaos: an in e disciplina y jou nal o nonlinea science 22, 2 (2012), 023138. [10] CARMEL, D., ZWERDLING, N., GUY, I., OFEK-KOIFMAN, S., HAR’EL, N., RONEN, I., UZIEL, E., YOGEV, S., AND CHERNOV, S. Pe sonalized social sea ch based on he use ’s social ne wo k. In P oceedings o he 18 h ACM con e ence on In o ma ion and knowledge managemen (2009), ACM, pp. 1227–1236. [11] CASTELLS, M., AND HERN ´ ANDEZ, M. Redes de indignaci´ on y espe anza: los mo imien os sociales en la e a de In e ne . Alianza Edi o ial, 2012. [12] CUSICK, M. V. A.-L. B. M. Mapping he Human ‘Diseasome’. h p: //www.ny imes.com/in e ac i e/2008/05/05/science/20080506_ DISEASE.h ml, 2008. [Online; accessed 22-No -2016]. [13] DAFT, R. O ganiza ion heo y and design. Cengage lea ning, 2006. [14] DEL VAL, E., PALANCA, J., AND REBOLLO, M. U-Tool: A U ban-Toolki o enhanc- ing ci y maps h ough ci izens’ ac i i y. In 14 h In e na ional Con e ence on P ac ical Applica ions o Agen s and Mul i-Agen Sys ems (2016), pp. 243–246. [15] DEL VAL, E., REBOLLO, M., AND BOTTI, V. Does he ype o e en in luence how use in e ac ions e ol e on Twi e ? PLOS ONE 10(5) (2015), 1–32. [16] EBEL, H., MIELSCH, L.-I., AND BORNHOLDT, S. Scale- ee opology o e-mail ne - wo ks. Physical e iew E 66, 3 (2002), 035103. [17] EGGHE, L., AND ROUSSEAU, R. In oduc ion o in o me ics: Quan i a i e me hods in lib a y, documen a ion and in o ma ion science. [18] EUROSTAT. In o ma ion socie y s a is ics - households and indi iduals. h p://ec.eu opa.eu/eu os a /s a is ics-explained/index. php/In o ma ion_socie y_s a is ics_-_households_and_ indi iduals, 2014. [Online; accessed 19-May-2016]. Bibliog a ´ ıa 61 [19] FERBER, J., GUTKNECHT, O., AND MICHEL, F. F om agen s o o ganiza ions: an o - ganiza ional iew o mul i-agen sys ems. In In e na ional Wo kshop on Agen -O ien ed So wa e Enginee ing (2003), Sp inge , pp. 214–230. [20] FOSTER, I., KESSELMAN, C., AND TUECKE, S. The ana omy o he g id: Enabling scalable i ual o ganiza ions. In e na ional jou nal o high pe o mance compu ing ap- plica ions 15, 3 (2001), 200–222. [21] GLEAMVIZ. gleam iz: The Global Epidemic and Mobili y Model. h p://www. gleam iz.o g/gleam-in-de ail/, 2010. [Online; accessed 22-No -2016]. [22] GOLBECK, J., ROBLES, C., AND TURNER, K. P edic ing pe sonali y wi h social me- dia. In CHI’11 ex ended abs ac s on human ac o s in compu ing sys ems (2011), ACM, pp. 253–262. [23] H´ IPOLA, P., AND VARGAS-QUESADA, B. Agen es in eligen es: de inici´ on y ipolog´ ıa: los agen es de la in o maci´ on. El p o esional de la in o maci´ on 8, 4 (1999), 13–21. [24] H´ IPOLA, P., VARGAS-QUESADA, B., AND MONTES, A. Desc ipci´ on y e aluaci´ on de agen es mul ibuscado es. El p o esional de la in o maci´ on 8, 11 (1999). [25] HUBERMAN, B. A. The laws o he Web: Pa e ns in he ecology o in o ma ion. mi P ess, 2001. [26] HUBERMAN, B. A., ROMERO, D. M., AND WU, F. Social ne wo ks ha ma e : Twi e unde he mic oscope. A ailable a SSRN 1313405 (2008). [27] KLEINBERG, J. Small-wo ld phenomena and he dynamics o in o ma ion. In In Ad- ances in Neu al In o ma ion P ocessing Sys ems (NIPS) 14 (2001), MIT P ess, p. 2001. [28] KLEINBERG, J. Complex ne wo ks and decen alized sea ch algo i hms. In In P oceed- ings o he In e na ional Cong ess o Ma hema icians (ICM (2006). [29] KLEINBERG, J. M. Na iga ion in a small wo ld. Na u e 406 (2000). [30] KUMAR, R., NOVAK, J., AND TOMKINS, A. S uc u e and e olu ion o online social ne wo ks. In Link mining: models, algo i hms, and applica ions. Sp inge , 2010, pp. 337– 357. [31] LESKOVEC, J., ADAMIC, L. A., AND HUBERMAN, B. A. The dynamics o i al ma - ke ing. ACM T ansac ions on he Web (TWEB) 1, 1 (2007), 5. 62 Bibliog a ´ ıa [32] LOHR, S. The age o big da a. New Yo k Times 11 (2012). [33] L ´ OPEZ FOGU ´ ES, R. Magen ix2: Una nue a pla a o ma pa a sis emas mul iagen e abie - os. [34] LOTAN, G., GRAEFF, E., ANANNY, M., GAFFNEY, D., PEARCE, I., ET AL. The a ab sp ing— he e olu ions we e wee ed: In o ma ion lows du ing he 2011 unisian and egyp ian e olu ions. In e na ional jou nal o communica ion 5 (2011), 31. [35] MISLOVE, A., MARCON, M., GUMMADI, K. P., DRUSCHEL, P., AND BHATTACHAR- JEE, B. Measu emen and analysis o online social ne wo ks. In P oceedings o he 7 h ACM SIGCOMM con e ence on In e ne measu emen (2007), ACM, pp. 29–42. [36] NEWMAN, M. High school da ing. h p://www-pe sonal.umich.edu/ ˜mejn/ne wo ks/, 2004. [Online; accessed 22-No -2016]. [37] NEWMAN, M., BARABASI, A.-L., AND WATTS, D. J. The s uc u e and dynamics o ne wo ks. P ince on Uni e si y P ess, 2011. [38] NEWMAN, M. E. The s uc u e and unc ion o complex ne wo ks. SIAM e iew 45, 2 (2003), 167–256. [39] OUYANG, M., ZHAO, L., HONG, L., AND PAN, Z. Compa isons o complex ne wo k based models and eal ain low model o analyze chinese ailway ulne abili y. Relia- bili y Enginee ing & Sys em Sa e y 123 (2014), 38–46. [40] PAGANI, G. A., AND AIELLO, M. The powe g id as a complex ne wo k: a su ey. Physica A: S a is ical Mechanics and i s Applica ions 392, 11 (2013), 2688–2700. [41] PE˜ NA-L ´ OPEZ, I., CONGOSTO, M., AND ARAG ´ ON, P. Spanish indignados and he e o- lu ion o 15m: owa ds ne wo ked pa a-ins i u ions. Big Da a: Challenges and Oppo u- ni ies (2013), 25–26. [42] PERIANES-RODR´ IGUEZ, A., OLMEDA-G ´ OMEZ, C., AND DE-MOYA-ANEG ´ ON, F. In- oducci´ on al an´ alisis de edes. El p o esional de la in o maci´ on (2008). [43] PERLIGER, A., AND PEDAHZUR, A. Social ne wo k analysis in he s udy o e o ism and poli ical iolence. PS: Poli ical Science & Poli ics 44, 01 (2011), 45–50. [44] REBOLLO PEDRUELO, M., DEL VAL NOGUERA, E., CARRASCOSA CASAMAYOR, C., PALOMARES CHUST, A., AND PEDROCHE S´ ANCHEZ, F. Consensus o e mul iplex ne - wo k o calcula e use in luence in social ne wo ks. In In e na ional Jou nal o Complex Sys ems in Science (2013), ol. 3, In e lude, pp. 71–75. Bibliog a ´ ıa 63 [45] ROMERO, D. M., MEEDER, B., AND KLEINBERG, J. Di e ences in he mechanics o in o ma ion di usion ac oss opics: idioms, poli ical hash ags, and complex con agion on wi e . In P oceedings o he 20 h in e na ional con e ence on Wo ld wide web (2011), ACM, pp. 695–704. [46] SMITH, M. A., RAINIE, L., SHNEIDERMAN, B., AND HIMELBOIM, I. Mapping wi e opic ne wo ks: F om pola ized c owds o communi y clus e s. Pew Resea ch Cen e 20 (2014). [47] TRAVERS, J., AND MILGRAM, S. An expe imen al s udy o he small wo ld p oblem. Sociome y (1969), 425–443. [48] TWITTER. Twi e de elope s. h ps://de . wi e .com/, 2016. [Online; ac- cessed 19-May-2016]. [49] WATTS, D. J., DODDS, P. S., AND NEWMAN, M. E. J. Iden i y and sea ch in social ne wo ks. [50] WATTS, D. J., AND STROGATZ, S. H. Collec i e dynamics o ’small-wo ld’ ne wo ks. Na u e 393 (1998), 440–442. [51] ZANIN, M., AND LILLO, F. Modelling he ai anspo wi h complex ne wo ks: A sho e iew. The Eu opean Physical Jou nal Special Topics 215, 1 (2013), 5–21. 64 Bibliog a ´ ıa