Minería de relaciones en Twitter muestra cómo romper duele más que ser cortado
El primer estudio de la minería de datos de las relaciones románticas en Twitter revela que las redes sociales experimentan el equivalente de terremotos después de rupturas.
"La ruptura de una relación de pareja es una de las experiencias más dolorosas que uno puede ir a través de la vida." Así comenzará Venkata Garimella en la Universidad de Aalto en Finlandia y un par de amigos, con más de un toque de pesar los ojos llorosos. Estos chicos tienen una visión más clara que la mayoría gracias a su trabajo que estudian la ruptura de las relaciones amorosas a través del medio de Twitter.
A medida que los medios de comunicación social han permeado cada aspecto de la vida diaria, su papel en las relaciones románticas se ha convertido en omnipresente, como frases como "oficial de Facebook" lo testifican. Pero mientras que el papel de Facebook en las relaciones ha sido bien estudiado, la parte que Twitter juega es menos conocida.
Hoy, Garimella y colegas pusieron ese derecho con el primer estudio exhaustivo de la relación forma rupturas se reflejan en la cuenta de Twitter. Los resultados proporcionan nuevos conocimientos sobre la función psicológica de los medios de comunicación social en las averías de relación y revelan un fenómeno completamente nuevo de "lote de unfriending" entre las personas que rompen.
Para encontrar las parejas que se han roto, Garimella y colegas comenzaron con un conjunto de datos de 80 por ciento de todos los tweets publicados en Twitter durante un período de 28 horas en julio de 2013. filtran estos datos en busca de usuarios que había mencionado otro usuario en su perfil junto con las palabras y frases tales como novio, novia, amor, noviecito, noviecita, tomadas y así sucesivamente. Su idea es que este patrón es indicativo de que dos usuarios están en una relación romántica.
Se eliminan de la lista resultante de todas las cuentas que mencionan otras cuentas de la misma persona en otros servicios como Instagram y Vine. También quitaron cuentas que mencionan celebridades como justinbieber y KatyPerry junto con palabras como novio o novia, que parecían implicar algún tipo de un solo lado, relación romántica-para estas personalidades.
Eso dejó al equipo con casi 80.000 usuarios (40.000 parejas) que parecían estar ligadas sentimentalmente. Siguieron los tweets de estas parejas entre noviembre 2013 y abril de 2014 y escogieron todos aquellos cuyo estado romántico parecía haber cambiado. "Si estuvieran en una relación en noviembre y no en abril, se supone que la pareja se separó en algún momento durante este período", dicen Garimella y colegas.
Se podan esta más al filtrar a los usuarios del idioma inglés con sede en los EE.UU., Canadá y el Reino Unido, a fin de descartar malentendidos en el análisis de los datos que pudieran derivarse de idioma o cuestiones culturales. También excluyen las parejas casadas, ya que los psicólogos saben desde hace tiempo que estas relaciones sigan diferentes dinámicas. Y se excluyen las personas en relaciones del mismo sexo por la misma razón.
Por último, Garimella y colegas pidieron tres jueces humanos para leer los perfiles originales y determinar si cada una de las parejas restantes fueron realmente ligada sentimentalmente. (Ellos usaron un servicio de crowdsourcing en línea para esto). Se incluyeron sólo aquellas parejas en que los tres jueces estuvieron de acuerdo.
Eso dejó a 661 parejas que parecían haber roto durante el período de estudio. De hecho, Garimella y coautores fueron capaces de identificar las semanas durante el cual la ruptura se produjo mediante la búsqueda de las fechas en las que los usuarios eliminan el nombre de su ex pareja de sus perfiles.
Como control, el equipo también recogió al azar otras 661 parejas que no rompieron durante el estudio.
Algunos de los resultados son poco sorprendentes. Por ejemplo, mediante la búsqueda en los últimos 3.000 o menos tweets de todos estos usuarios, Garimella y coautores pudieron trabajar cuando la mayoría de las relaciones comenzaron y así cuánto tiempo duraron. Resulta que las relaciones más duraderas son menos propensas a romperse, algo que los psicólogos han sabido por mucho tiempo de los estudios del mundo real.
El equipo también estudió cómo los perfiles de las personas cambian después de su relación se rompió contando la frecuencia de las palabras utilizadas y cómo cambió esto. Los principales ganadores fueron "im", "dios", "no", "vivo", "soltero", "sueños", "bendecido" y "a la mierda". Crearon las nubes del mundo de los antes y después de las frecuencias mundiales para resaltar esta diferencia (ver foto arriba). "Una historia que potencialmente se desprende de esto es que la gente (i) se vuelven más egoístas, (ii) encontrar la estabilidad en la religión y la espiritualidad, pero también (iii) maldicen a la vida por lo que ha sucedido", concluyen Garimella y otros.
También estudiaron el cambio en los patrones de comunicación entre los usuarios que han roto para arriba. Su hallazgo es fácil de resumir. "El cambio es más o menos de" Te quiero tanto ... "a" Odio cuando ... ", dice Garimella y colegas, que fueron sorprendidos por el carácter público de la lucha interna que se produce después de romper.
Más interesante es el claro cambio en el patrón de la comunicación que se produce antes de una ruptura. A medida que una ruptura se aproxima, el número de mensajes a la pareja disminuye mientras que el número de mensajes a otros usuarios aumenta. "Estas observaciones podrían potencialmente conducir a un sistemas de "alerta temprana ruptura"", dicen.
Pero el hallazgo más estimulante es el descubrimiento de un proceso de la llamada de equipo "batch unfriending". Garimella y colegas dicen que no hay evidencia clara de que después de una ruptura, número de amigos y seguidores cada socio se reduce en alrededor de 15 a 20. En otras palabras, hay un cambio repentino en la red de conexiones después de la ruptura 'cada pareja.
Eso es algo de una sorpresa. "Después de la ruptura, esperábamos que los pares se dejen de seguir potencialmente entre sí, pero, aparte de eso, esperábamos" como de costumbre"en lo que se refiere a la red social", dicen. El cambio es similar a una especie de terremoto en la red social-una reorganización repentina de los vínculos. Sólo por qué sucede esto tan de repente que no está claro, pero es claramente un tema interesante para un estudio adicional.
Garimella y colegas también encontraron pruebas de post-corte de depresión mediante el análisis del lenguaje utilizado en los tweets. Sin embargo, no está claro si la depresión es el resultado de la ruptura o la causa de ello. También dicen que la persona que inició el fin de la relación, se siente menos deprimido que la persona que es rechazada. En otras palabras, siendo objeto de ruptura duele más que el romper.
Esa es una visión fascinante de la muerte de las relaciones, como se juega en Twitter. Y proporciona un montón de insumo para el trabajo futuro. Por ejemplo, no es el cuerpo de trabajo que infiere rasgos de la personalidad de los usuarios en función de su uso del lenguaje. Así que una posibilidad sería la de buscar correlaciones entre tipos de personalidad y bajadas relación de ruptura.
Luego está el extraño mundo de un solo lado para-relaciones con las celebridades, que también parecen romper de las ordinarias. ¿Estos usuarios también experimentan los azules después de la relación? Justin Bieber y Katy Perry podrían estar interesados en saber acerca de las consecuencias no deseadas de su fama en línea.
Es evidente que hay un montón de fruta madura en el mundo emergente de la minería de datos de r
elaciones.
Ref: arxiv.org/abs/1409.5980 From “I love you babe” to “leave me alone” - Romantic Relationship Breakups on Twitter
Este blog reúne material del curso de posgrado "Análisis de redes sociales" dictado en la Universidad Nacional del Sur (Argentina).
jueves, 2 de octubre de 2014
martes, 30 de septiembre de 2014
Cómo se difunde un mensaje viral
¿Cómo se propaga un mensaje viral?
Un par de años atrás - y aún hoy - cualquier fenómeno inexplicable que incluye medios sociales simplemente se llamarían "viral". Viralidad significa esa idea / news / meme comienza a propagarse sin la ayuda de la fuente original. Esta difusión pasa por la naturaleza infecciosa de la idea o por la influencia de aquellos que han llegado a ponerse en contacto con el agente viral. Esto ha sido a la vez el sueño y la pesadilla de los departamentos de marketing y relaciones públicas. La semana pasada el escenario de pesadilla se dio a la Centro de Información de Copyright y Antipiratería en Finlandia (CIAPC).
En la primavera de 2012, el CIAPC contactó un hombre finlandés alegando violaciónes de derechos de autor en una red P2P. Larga historia corta: Después de algunos correos electrónicos amenazantes de la CIAPC y la negativa del hombre a pagar una indemnización a la policía lleva a cabo una operación de búsqueda y captura. La parte incautación incluyó Winnie un niño de 9 años de edad de la niña the Pooh etiquetado portátil. La semana pasada, el hombre describió la situación en un mensaje de Facebook (original en finés) que de pronto comenzó a difundir a través de participación en función del Facebook. Pronto los principales medios de comunicación atrapados en (artículo primero en línea en finés) y para el final del día siguiente en incluso hizo su camino a los medios de comunicación internacionales (TorrentFreak y TechCrunch). El resultado: un desastre de relaciones públicas para la CIAPC.
El post original tiene en el momento 2 655 acciones de Facebook. El video a continuación es la red dinámica de la distribución pública del puesto. Los datos fueron recogidos por Mikael Rekola utilizando la plataforma de análisis de medios sociales 99analytics.com. Cada línea representa una cuota de entrada, no los puntos de vista de correos.
El vídeo se visualiza cómo se compartió el mensaje original y re-compartida en las primeras 48 horas de su publicación. Mayor parte de las acciones que sucedió antes de la parte media del video en las primeras 24 horas. En realidad, el 97% de las acciones públicas que sucedió durante el período de 48 horas. Aquellos usuarios cuyas acciones llegaron las re-acciones la mayoría se unieron al principio del juego. Esto significa que que el tiempo es de la esencia, si los departamentos de relaciones públicas desean reaccionar ante estos eventos.
Cuando nos fijamos en la escala de tiempo de la difusión, nos damos cuenta de un fuerte aumento de los puestos compartidos entre 8 y 11 PM. La cascada comenzó a partir de varias fuentes, incluyendo los políticos Dan Koivulaakso y Jyrki Kasvi, que compartieron el mensaje a las 9 am La primera noticia incrementó las acciones de la post original. Antes de eso, la mayoría de las acciones fueron re-acciones. El papel de los principales medios de comunicación en la facilitación de estos fenómenos viral no se puede olvidar.
La foto de abajo que contiene todas las acciones. Tamaño del nodo representa la cantidad de acciones que el usuario causó y el brillo del color del nodo representa la cantidad de comentarios y le gusta la cuota recibida.
Casi la totalidad de las acciones se convirtieron directamente desde el post original (73%). Menos del 4% de las acciones alcanzó algún tipo de viralidad es decir, se extendió más allá de la primera sharer.The cadena más larga de acciones ampliado para 5 pasos. (En Facebook, los usuarios son en promedio de 4 pasos el uno del otro). También se verificaron si una relación amigo está presente en las acciones. De las acciones públicas, sólo el 14% de la participación que pasó entre amigos. Pero en el segundo grado acciones, amigo relación estaba presente en el 43% de las acciones. Las cadenas largas de intercambio son realmente muy raras (pdf) y la conciencia no requiere intercambio: por cada acción hay decenas o cientos de compartir puntos de vista.
El poder de los principales medios de comunicación para difundir un mensaje es incomparable: el poder de los medios sociales proviene de la potencia de la amplificación y la sensibilización.
Verkostoanatomia – the Network Approach
Un par de años atrás - y aún hoy - cualquier fenómeno inexplicable que incluye medios sociales simplemente se llamarían "viral". Viralidad significa esa idea / news / meme comienza a propagarse sin la ayuda de la fuente original. Esta difusión pasa por la naturaleza infecciosa de la idea o por la influencia de aquellos que han llegado a ponerse en contacto con el agente viral. Esto ha sido a la vez el sueño y la pesadilla de los departamentos de marketing y relaciones públicas. La semana pasada el escenario de pesadilla se dio a la Centro de Información de Copyright y Antipiratería en Finlandia (CIAPC).
En la primavera de 2012, el CIAPC contactó un hombre finlandés alegando violaciónes de derechos de autor en una red P2P. Larga historia corta: Después de algunos correos electrónicos amenazantes de la CIAPC y la negativa del hombre a pagar una indemnización a la policía lleva a cabo una operación de búsqueda y captura. La parte incautación incluyó Winnie un niño de 9 años de edad de la niña the Pooh etiquetado portátil. La semana pasada, el hombre describió la situación en un mensaje de Facebook (original en finés) que de pronto comenzó a difundir a través de participación en función del Facebook. Pronto los principales medios de comunicación atrapados en (artículo primero en línea en finés) y para el final del día siguiente en incluso hizo su camino a los medios de comunicación internacionales (TorrentFreak y TechCrunch). El resultado: un desastre de relaciones públicas para la CIAPC.
El post original tiene en el momento 2 655 acciones de Facebook. El video a continuación es la red dinámica de la distribución pública del puesto. Los datos fueron recogidos por Mikael Rekola utilizando la plataforma de análisis de medios sociales 99analytics.com. Cada línea representa una cuota de entrada, no los puntos de vista de correos.
El vídeo se visualiza cómo se compartió el mensaje original y re-compartida en las primeras 48 horas de su publicación. Mayor parte de las acciones que sucedió antes de la parte media del video en las primeras 24 horas. En realidad, el 97% de las acciones públicas que sucedió durante el período de 48 horas. Aquellos usuarios cuyas acciones llegaron las re-acciones la mayoría se unieron al principio del juego. Esto significa que que el tiempo es de la esencia, si los departamentos de relaciones públicas desean reaccionar ante estos eventos.
Cuando nos fijamos en la escala de tiempo de la difusión, nos damos cuenta de un fuerte aumento de los puestos compartidos entre 8 y 11 PM. La cascada comenzó a partir de varias fuentes, incluyendo los políticos Dan Koivulaakso y Jyrki Kasvi, que compartieron el mensaje a las 9 am La primera noticia incrementó las acciones de la post original. Antes de eso, la mayoría de las acciones fueron re-acciones. El papel de los principales medios de comunicación en la facilitación de estos fenómenos viral no se puede olvidar.
La foto de abajo que contiene todas las acciones. Tamaño del nodo representa la cantidad de acciones que el usuario causó y el brillo del color del nodo representa la cantidad de comentarios y le gusta la cuota recibida.
Casi la totalidad de las acciones se convirtieron directamente desde el post original (73%). Menos del 4% de las acciones alcanzó algún tipo de viralidad es decir, se extendió más allá de la primera sharer.The cadena más larga de acciones ampliado para 5 pasos. (En Facebook, los usuarios son en promedio de 4 pasos el uno del otro). También se verificaron si una relación amigo está presente en las acciones. De las acciones públicas, sólo el 14% de la participación que pasó entre amigos. Pero en el segundo grado acciones, amigo relación estaba presente en el 43% de las acciones. Las cadenas largas de intercambio son realmente muy raras (pdf) y la conciencia no requiere intercambio: por cada acción hay decenas o cientos de compartir puntos de vista.
El poder de los principales medios de comunicación para difundir un mensaje es incomparable: el poder de los medios sociales proviene de la potencia de la amplificación y la sensibilización.
Verkostoanatomia – the Network Approach
domingo, 28 de septiembre de 2014
La red social de los jugadores de la Copa Mundial 2014
Red Social de Jugadores de la Copa del Mundo 2014
La Copa Mundial de la FIFA 2014, el mayor evento deportivo en cuatro años (lo lamento por las Olimpiadas) comienza hoy. El torneo tiene 736 jugadores de 32 países. Cuando los jugadores no están jugando para sus selecciones nacionales, juegan en 301 clubes diferentes. Los jugadores de diferentes equipos nacionales se reúnen en estos clubes. Por ejemplo, el Manchester United tiene jugadores de 9 equipos nacionales diferentes. Esto significa que los jugadores en la Copa del Mundo que juegan en el Manchester United saben jugadores de al menos ocho equipos nacionales diferentes. ¿Por qué es esto importante? Si dos jugadores pertenecen al mismo equipo (nacional o club), que tienen una conexión social. El uso de análisis de redes sociales que podemos analizar y visualizar esta conexión (ejemplos de la UEFA 2012 y la Copa Mundial de 2010 redes similares). Así pues, aquí es la red social de la Copa Mundial de la FIFA 2014:
En la imagen de arriba es el jugador a jugador-conexiones (aquí hay un pdf con una mejor resolución). El tamaño de un nombre de jugadores representa el número total de otros jugadores que comparte un club con. Los mejores jugadores, Antonio Valencia, Javier Hernández, Julián verdes, Shinji Kagawa, Robin van Persie, Nani, Arjen Robben, Mario Mandžukić, Patrice Evra, Xherdan Shaqiri, Daniel Van Buyten, Dante y Javi Martínez tienen los 13 compañeros del club en el torneo . El color del jugador es determinado por un programa de ordenador que detecta clusters. La mayoría de los grupos son los mismos que los equipos nacionales, pero notamos que en el medio, la línea entre España, Francia, Brasil, etc comienzan a volverse borrosa. Para tener una mejor idea de los jugadores más conectados, a continuación es el núcleo de la red: top 10% de los jugadores.
También puede visualizar las conexiones entre los diferentes equipos nacionales y los clubes.
Una línea entre un club y el equipo se forma cuando un jugador juega en ambos (pdf). Cuanto más un equipo nacional tiene jugadores de un equipo específico, el grueso de la línea. Por ejemplo, el equipo alemán cuenta con siete jugadores del Bayern Munich y España cuenta con siete jugadores del Barcelona. Los más diversos equipos son Argelia y Nigeria cuyos jugadores vienen todos de diferentes clubes. Para aclarar la situación, a continuación es una imagen de los equipos y clubes que tienen al menos dos jugadores comunes. Cuatro países tienen por lo menos dos jugadores de Napoli.
El más interesante hallazgo para mí es que todos los jugadores están conectados de una manera u otra. En promedio, dos jugadores tienen menos de tres pasos entre ellos. Sería interesante extender este análisis a los clubes anteriores de los jugadores y ver cómo la red social de los últimos cinco años se vería así.
Verkostoanatomia – the Network Approach
La Copa Mundial de la FIFA 2014, el mayor evento deportivo en cuatro años (lo lamento por las Olimpiadas) comienza hoy. El torneo tiene 736 jugadores de 32 países. Cuando los jugadores no están jugando para sus selecciones nacionales, juegan en 301 clubes diferentes. Los jugadores de diferentes equipos nacionales se reúnen en estos clubes. Por ejemplo, el Manchester United tiene jugadores de 9 equipos nacionales diferentes. Esto significa que los jugadores en la Copa del Mundo que juegan en el Manchester United saben jugadores de al menos ocho equipos nacionales diferentes. ¿Por qué es esto importante? Si dos jugadores pertenecen al mismo equipo (nacional o club), que tienen una conexión social. El uso de análisis de redes sociales que podemos analizar y visualizar esta conexión (ejemplos de la UEFA 2012 y la Copa Mundial de 2010 redes similares). Así pues, aquí es la red social de la Copa Mundial de la FIFA 2014:
En la imagen de arriba es el jugador a jugador-conexiones (aquí hay un pdf con una mejor resolución). El tamaño de un nombre de jugadores representa el número total de otros jugadores que comparte un club con. Los mejores jugadores, Antonio Valencia, Javier Hernández, Julián verdes, Shinji Kagawa, Robin van Persie, Nani, Arjen Robben, Mario Mandžukić, Patrice Evra, Xherdan Shaqiri, Daniel Van Buyten, Dante y Javi Martínez tienen los 13 compañeros del club en el torneo . El color del jugador es determinado por un programa de ordenador que detecta clusters. La mayoría de los grupos son los mismos que los equipos nacionales, pero notamos que en el medio, la línea entre España, Francia, Brasil, etc comienzan a volverse borrosa. Para tener una mejor idea de los jugadores más conectados, a continuación es el núcleo de la red: top 10% de los jugadores.
También puede visualizar las conexiones entre los diferentes equipos nacionales y los clubes.
Una línea entre un club y el equipo se forma cuando un jugador juega en ambos (pdf). Cuanto más un equipo nacional tiene jugadores de un equipo específico, el grueso de la línea. Por ejemplo, el equipo alemán cuenta con siete jugadores del Bayern Munich y España cuenta con siete jugadores del Barcelona. Los más diversos equipos son Argelia y Nigeria cuyos jugadores vienen todos de diferentes clubes. Para aclarar la situación, a continuación es una imagen de los equipos y clubes que tienen al menos dos jugadores comunes. Cuatro países tienen por lo menos dos jugadores de Napoli.
El más interesante hallazgo para mí es que todos los jugadores están conectados de una manera u otra. En promedio, dos jugadores tienen menos de tres pasos entre ellos. Sería interesante extender este análisis a los clubes anteriores de los jugadores y ver cómo la red social de los últimos cinco años se vería así.
Verkostoanatomia – the Network Approach
viernes, 26 de septiembre de 2014
jueves, 25 de septiembre de 2014
miércoles, 24 de septiembre de 2014
martes, 23 de septiembre de 2014
Conectividad y descentralización en componentes
Sistemas descentralizados y el estado invisible: Cohesión multiconectada de baja densidad en Redes Sociales de gran escala en Tlaxcala, México
Douglas R. White, Michael Schnegg, y Lilyan A. Brudner 1999
Este material está basado en trabajo apoyado por la National Science Foundation con la subvención No. 9978282.
Definición 1: A un (1) componente de una red (o grafo) es un conjunto máximo de nodos y arcos tales que cada par de nodos está conectado tres componentes (desconectado).
Definición 2: Una de dos componentes de una red (o grafo) es un conjunto máximo de nodos y arcos tales que cada par de nodos está conectado por dos o más caminos independientes (tres subgrafos gris claro).
Definición 3: Una de tres componentes de una red (o grafo) es un conjunto máximo de nodos y arcos tales que cada par de nodos está conectado por tres o más caminos independientes (subgrafo gris).
Definición General 4: Un k-componente de una red (o grafo) es un conjunto máximo de nodos y arcos de tal manera que cada par de nodos está conectado por k o más caminos independientes (no hay ejemplos anteriores para k> 2).
Las hipótesis generales:
(a) Biconectividad es una fuente de emergente, potencialmente descentralizada de cohesión social que puede ocurrir (con efectos observables) a baja densidad en (los bicomponentes de) las redes sociales relativamente estable.
(b) Esto es especialmente cierto para las relaciones que tienen muy alta "moneda" o de soporte vital relevancia, como las relaciones de poder político, la transmisión de la propiedad, o el parentesco y conexiones matrimoniales.
(c) Por lo tanto, la clase social, las élites, y los sistemas de matrimonio riqueza transmisión están especialmente bien adaptados para el análisis.
Fuente
Douglas R. White, Michael Schnegg, y Lilyan A. Brudner 1999
Este material está basado en trabajo apoyado por la National Science Foundation con la subvención No. 9978282.
Tabla 2:
|
Nivel de conectividad (generando subgrupos limitados)
| ||||
Conceptos de Cohesión
|
1-Componente Conectado (1-)
|
2-Conectado (bicomponente)
|
3-Conectado (tricomponente)
|
...
|
k-Conectado (k-componente)
|
Escala de Cohesión:
|
Vulnerable a desconexión
|
Potencialmente gran escala, Baja densidad
|
Agrupados dentro de bicomponentes
| ... |
Jerárquicamente agrupado
|
Definición 1: A un (1) componente de una red (o grafo) es un conjunto máximo de nodos y arcos tales que cada par de nodos está conectado tres componentes (desconectado).
Definición 2: Una de dos componentes de una red (o grafo) es un conjunto máximo de nodos y arcos tales que cada par de nodos está conectado por dos o más caminos independientes (tres subgrafos gris claro).
Definición 3: Una de tres componentes de una red (o grafo) es un conjunto máximo de nodos y arcos tales que cada par de nodos está conectado por tres o más caminos independientes (subgrafo gris).
Definición General 4: Un k-componente de una red (o grafo) es un conjunto máximo de nodos y arcos de tal manera que cada par de nodos está conectado por k o más caminos independientes (no hay ejemplos anteriores para k> 2).
Las hipótesis generales:
(a) Biconectividad es una fuente de emergente, potencialmente descentralizada de cohesión social que puede ocurrir (con efectos observables) a baja densidad en (los bicomponentes de) las redes sociales relativamente estable.
(b) Esto es especialmente cierto para las relaciones que tienen muy alta "moneda" o de soporte vital relevancia, como las relaciones de poder político, la transmisión de la propiedad, o el parentesco y conexiones matrimoniales.
(c) Por lo tanto, la clase social, las élites, y los sistemas de matrimonio riqueza transmisión están especialmente bien adaptados para el análisis.
- Una red descentralizada con biconectividad puede tener efectos más cohesionadas que una red centralizada o una mayor escala de cohesión de grupos localmente más cohesivos.
- El mecanismo es el potencial para los circuitos de retroalimentación positiva auto-amplificación o.
- Además, cuanto mayor es la conectividad ("redundancia"), menos vulnerabilidad a la desconexión. Máxima conectividad = minimo punto de corte (eliminación mínima de nodo para la desconexión): el teorema de Menger.
- Por lo tanto, la energía, la información o los recursos pueden circular o redistribuidos en mayores k-componentes con mayor eficacia.
- Bicomponentes son fáciles de identificar en gráficos grandes en o tiempo lineal (max (V, E)), V = vértices, E = bordes.
- Bicomponentes no son "cerrados", pero irradian lazos hacia el exterior en los patrones conectivo con forma de árbol, posiblemente 1-conectados a otros bicomponentes. Los nodos en su perímetro pueden incluso ser más central en la gráfica general (nodo 9, en el ejemplo, se conecta dos bicomponentes).
- En una red grande con suficiente (pero a menudo bajo) densidad, un gigante de dos componentes puede ser la fuente de la participación fuertemente cohesionada en ámbitos institucionales principales del grupo (aunque no todo el mundo biconexas por relaciones de alto divisas tendrá alta cohesión). Otros pueden ser 1-conectado al componente gigante. Esto da lugar a una estructura de tres partes:
- el núcleo biconexas gigante
- su periferia, 1 conectado con el núcleo gigante
- los márgenes, en separadas 1-componentes
- Conexiones dentro de una de dos componentes no necesitan ser homogénea: las interacciones locales o k-componentes de orden superior dentro bicomponentes pueden dar lugar a otras propiedades globales o subgrupo emergentes.
- k-componentes de orden superior también son fácilmente computable: tricomponents en o tiempo lineal (V + E) [Hopcroft y Tarjan 1973], y todos los k-componentes en baja polinomio tiempo o (. V ** 5 ** E 2) [Aun y Tarjan 1975] o en tiempo casi lineal en computación paralela.
Fuente
Suscribirse a:
Entradas (Atom)