Facultad de Matemtica y Computacin Universidad de La Habana

Propuesta de una metodologa para simular el comportamiento de una informacin en redes sociales.

Autor Oscar S. Gonzlez Mota Tutor Lic. Yudivin Almeida Cruz

Trabajo de Diploma presentado en opcin del ttulo de Licenciado en Ciencia de la Computacin Junio de 2009

mi familia querida y aguerrida que nunca se cansa, ...y representa mi columna espiritual... ...A mi mama, mi papa, mis abuelas y abuelos... ...A mi segundo papa ...

Agradecimientos

A mi tutor Yudivin que es un personaje celebre. A mi gua de estudio Otero por estar siempre luchando con nosotros. A ese grupito de aplicaciones que con el que me relaciono da a da, a Campi, Danelia y Jacque que tanto me ayudaron en lograr mi objetivo. A mis compaeros de aula Josu, Maurice, Nestor, David, Marcel, Joan, Yanay, German, Alejandro que luchan por alcanzar este sueo. A mis compaeros graduados Erick, Daniel, Juliet, Raidel, Dayana, Maibis, Eidel, Yanice que han compartido incontables experiencias. A mis profesores y alumnos ayudantes que se sacrificaron los fines de semanas por aportar un granito de arena en mis conocimientos. A todos los que me han dado apoyo constante e incondicional a lo largo de mi carrera estudiantil y mi vida personal. Hacia aquellas personas que luchan por algo sin cesar...

Resumen Se propone una metodologa para la diseminacin de la informacin en una red social, el cual est estructurado de forma que pueda simular las caractersticas que incluyan los sistemas actuales. A travs de las redes complejas se procede a brindar una alternativa para la implementacin del mismo, estudiando sus caractersticas y propiedades. Adems de utilizar el empleo de la lgica difusa, el concepto de perfil y la insercin de los pesos, para efectuar el proceso de divulgacin de la informacin en la red.

ndice general
Introduccin 1. Redes sociales 1.1 Definicin 1.2 Origen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 3 3 4 6 7 7 8 9 10 10 11 11 12 13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 14 16 16 17 17 18 19 19 21 21 22

1.2.1 Teora de los seis grados de separacin . 1.2.2 Proyecto small_world 1.3.1 MySpace . 1.3.2 Facebook . 1.3.3 Orkut . . . . . 1.3 Proyectos de redes sociales en internet .

1.3.4 Otras redes sociales 1.3.5 Aplicaciones

1.3.5.1 APIs de Facebook

1.3.5.2 OpenSocial de Google . 2. Redes Complejas 2.1 Definicin 2.2 Propiedades y caractersticas 2.4 Grafos aleatorios .

2.3 Modelos de construccin de redes 2.4.1 Modelo Erdos-Renyi(E-R) 2.4.1.1 Estructura del modelo 2.5 Redes de libre escala . . . . . . 2.5.1 Modelo Albert Barabsi . 2.5.2 Enlace preferencial 2.5.3 Adaptabilidad . 2.5.4 Crecimiento de redes 2.6 Modelo Powerlaw Cluster

3. Diseo e Implementacin 3.1 Diseo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . 3.1.1 Formacin de la red 3.1.2 Peso en las aristas 3.1.4 Sistema Difuso

24 24 24 26 26 27 29 29 30 31 32 34 35 35 37 38 39 39 43 . . . . . . . . . . . . . . . . . . . . . . 44 47 50 53 55 56 57

3.1.3 Envo de la informacin

3.2 Implementacin de la aplicacin 3.2.1 Libreras utilizadas 3.2.2 Estructura de la aplicacin 3.2.3 Modulo interfaz 3.2.4 Modulo simulator 3.2.5 Modulo til .

3.2.5.1 Modulo evento 3.2.6 Modulo system 3.2.7 Modulo perfiles

3.2.7.1 Modulo introvertido, conservador, sociable,comunicador 3.2.8 Modulo func_grficas . 3.2.9 Interfaz de la aplicacin 4. Resultados realizados 4.1 Grafo Erdos-Renyi . 4.2 Grafo Albert Barabsi 4.3 Grafo Power-law Cluster . .

4.4 Comparativas entre modelos. Conclusiones Recomendaciones Bibliografa

II

ndice de figuras
1.1 1.2 2.1 2.2 2.3 2.4 2.5 2.6 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 Esquema de una red social . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.

. . . . . . . . . . . . . . . . . . . . . . . .
.

4 6 15 17 19 20 22 23 28 28 28 28 28 31 36 39 40 40 40 41 41 42 42 44 44 45 45 46 46 47 47

Esquema de la teora de los seis grados Esquema de una red Aleatoria Esquema de una red Barabsi (1) Ejemplo de enlace preferencial Ejemplo de una red Powerlaw Cluster Ejemplo de una red Barabsi (2) Esquema IN: Ajena Esquema IN:Interesante Esquema NR:Enemigo Esquema NR:Conocido Esquema NR:Amigo Esquema del Sistema difuso Esquema de la interfaz . . . . . . . . . .

Esquema de una red Heterognea,modularidad alta .

Arquitectura del software por mdulos

Esquema de Datos del modelo Barabsi

3.10 Esquema de Datos del modelo Erdos Renyi 3.11 Esquema de Datos del modelo Powerlaw Cluster 3.12 Esquema de Configuracin de Perfiles (1) 3.13 Esquema de Configuracin de Perfiles (2) 3.14 Esquema de Otras Propiedades 3.15 Esquema de graficacin 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 . . .

Esquema del grafo Erdos Renyi para n=100, k=0.04 (G1) . Tabla del grafo Erdos Renyi para n=100, k=0.04 (G1) Tabla del grafo Erdos Renyi para n=100, k=0.26 (G2) Tabla del grafo Erdos Renyi para n=1000, k=0.01 (G3) Esquema de una red de Barabsi para n=100 y m=2 (G1) Tabla de una red de Barabsi para n=100 y m=2 (G1) III Esquema del grafo Erdos Renyi para n=100, k=0.26 (G2) . . . . . Esquema del grafo Erdos Renyi para n=1000, k=0.01 (G3) .

. . . . . .

4.9

Esquema de una red de Barabsi para n=100 y m=25 (G2) . . .

. . . .

48 48 49 49 50 50 51 51 52 52 53 54 54

4.10 Tabla de una red de Barabsi para n=100 y m=25 (G2) 4.12 Tabla de una red de Barabsi para n=1000 y m=5 (G3)

4.11 Esquema de una red de Barabsi para n=1000 y m=5 (G3) .

4.13 Esquema del grafo Power-law Cluster para n=100, m=2, k=1.0 (G1) 4.14 Tabla del grafo Power-law Cluster para n=100, m=2, k=1.0 (G1) . 4.15 Esquema del grafo Power-law Cluster para n=100, m=15, k=1.0 (G2) 4.16 Tabla del grafo Power-law Cluster para n=100, m=15, k=1.0 (G2) 4.17 Esquema del grafo Power-law Cluster para n=1000, m=5, k=1.0 (G3) . . . . . . . . . . . . . . 4.18 Tabla del grafo Power-law Cluster para n=1000, m=5, k=1.0 (G3) . 4.19 Tabla perfil 'Introvertido' x Grafos 4.20 Tabla perfil 'Social' x Grafos .

4.21 Tabla perfil 'Comunicador' x Grafos .

IV

Introduccin
Desde tiempos antaos el hombre ha necesitado convivir en sociedad, provocando la adopcin de medidas, herramientas, metodologas y soluciones para perfeccionarla. La creacin del lenguaje y los medios de comunicacin son un ejemplo claro de estas herramientas. Hoy en da han alcanzado un gran desarrollo aplicando un gran numero de teoras en diversas ramas. En el caso de la computacin se ha visto un incremento exponencial de la teora en los ltimos 20 aos. En la web especifcamente, las redes sociales han tenido un gran impacto a partir de nuevas tecnologas como la web 2.0, que facilitan el avance de ellas en este sector. Facebook es una de los tantos proyectos sociales que inundan la internet, facilitando un amplio uso de la comunicacin, y estableciendo mecanismos para acercar mas a las personas, como compartir informacin, recomendar amigos, conocerlos a travs de un perfil,ect... El uso de las redes complejas ha propiciado un avance matemtico en la teora de las redes sociales, creadas con el objetivo de modelar los procesos que ocurren en la actualidad; siendo una herramienta indispensable para el estudio y anlisis de la misma. En este documento se enunciarn las premisas fundamentales para la modelacin teniendo en cuenta: Realizar una revisin bibliogrfica sobre las redes sociales existentes en el campo de la computacin Realizar una revisin bibliogrfica sobre las redes complejas con el propsito de identificar tcnicas, mecanismos, caractersticas y propiedades que poseen las redes actuales. Proponer una metodologia para simular el comportamiento que tiene una red social en cuanto a la divulgacin de una noticia, a partir de las redes complejas. Implementar una aplicacin que proponga como version inicial el uso y la prctida de dicha metodologa.

Introduccin

Para una mejor comprensin, el trabajo se ha estructurado en 4 captulos que detallan con mucho cuidado el desarrollo del modelo propuesto. En el captulo 1 se describe el concepto de redes sociales, el surgimiento, su origen, algunas teoras mencionadas, el impacto que ha presentado en la web. As como una breve introduccin de algunas redes sociales en internet como facebook que han desarrollado, llevando a la practica muchos conceptos de comunicacin como El amigo de tu amigo es tambin mi amigo. En el captulo 2 se introduce la teora de las redes complejas como herramienta matemtica principal para analizar el estudio y composicin de algunas estructuras sociales que estn presentes en la actualidad. Adems de mencionar modelos de redes que definen sus propiedades, caractersticas, topologa, ventajas y desventajas. La importancia que se le atribuye a cada uno, es tambin un factor clave en la modelacin de las redes. En el capitulo 3 se procede a publicar el diseo y la implementacin de una metodologia propuesta. Combinando las redes complejas para la formacin del grafo, la unificacin de la lgica difusa, con el concepto de perfil y la insercin de los pesos para la diseminacin de la informacin, hace posible el surgimiento de una metodologa que trata de simular el comportamiento de una noticia en la red. En la implementacin se describe el funcionamiento de la aplicacin a travs de mdulos y bibliotecas de clases. Tambin se enuncia paso por paso el proceso de simulacin. En el capitulo 4 se muestran los resultados obtenidos a partir de la metodologia propuesta. Tambin se hace una comparacin a partir de los tipos de redes que se atribuyen en la aplicacin, con el objetivo de visualizar algunas diferencias de cada grafo, mostrar ventajas y desventajas. Para concluir el trabajo se presentan las conclusiones y las recomendaciones que incluyen algunas lineas para darle continuidad a este y finalmente la bibliografa consultada.

Captulo1
RedesSociales
Elanlisisderedessocialeshairrumpidoenmuchascienciassocialesenlosltimosaos provocandoungranimpactoenlasociedad.Enlaactualidadseencuentranextendidasenmuchos sectorescomolaPsicologa,TecnologaySociologa.Lanecesidaddebuscarelapoyodeotras personas hizo que el hombre interactuara ms en sociedad, perfeccionando tcnicas de comunicacin,estrategiasymetodologasparasumejordesempeo.

1.1Definicin Existen distintas definiciones de redes sociales segn el medio en el que est contextualizada.ParalaSociologaunaredsociales"Unconjuntoderelacioneshumanasque tienenunimpactoduraderoenlavidadecualquierpersona.Laredsocialestconformadapor lossujetossignificativoscercanosalindividuoyconstituyesuambientesocialprimario.Est constituidaporlosmiembrosdelafamilianuclear,amigos,vecinos,compaerosdetrabajoy conocidosdelacomunidad"[1].

EnComunicacinunaredsociales:"Ungrupodepersonas(organizaciones)conectadas pordiversasrelacionessocialescomoamistad,trabajo,intercambiodeinformacin,etc."[40].

Matemticamentees vistacomo: Unaestructurasocialquesepuede representar en formadeunoovariosgrafosenelcuallosnodosrepresentanindividuos(avecesdenominados actores)ylasaristasrelacionesentreellos[3].

Capitulo1.RedesSociales

Fig1.1Esquemadeunaredsocial

Unejemploderedessocialesenlacomputacin,especficamenteenInternet;semuestraa travs de una aplicacin web. En ellas cada usuario se construye un perfil donde especifica informacinsobresmismo(Yaseaedad,fechadenacimiento,sexo,etc.).Esteperfilpuedeser pblicoosemipblicoaotrosusuarios.Luegodeestarcreadoelperfil,elusuariosedisponea agregar amigos/conocidos o simplemente a buscar nuevo. Crendose las nuevas relaciones o simplementereafirmandootras.

1.2Origen:

Losprecursoresdelasredessocialesafinalesdel1800incluyenamileDurkheimya FerdinandTnnies[3].Tnniesdiscutiquelosgrupossocialespuedenexistircomolazossociales personalesylazossocialesdirectosencualquieracoplamientoquecompartanvaloresycreencia. Durkheim dio una explicacin noindividualista de los hechos sociales argumentando que los fenmenossocialescuandointeractanlosindividuosqueobranrecprocamente,constituyenuna 4

Capitulo1.RedesSociales

realidadquesepuedeexplicarnomsentrminosdecaractersticasdeagentesindividuales.l distinguientreunasociedadtradicionalconlasolidaridadmecnicaqueprevalecesisonlas diferenciasindividualesestnminimizadas,ylasociedadmodernacon lasolidaridadorgnica quedesarrollafueradelasdiferenciasdelosindividuosresultadosdecooperacin[3]. Georg Simmel, escribiendo a final del vigsimo siglo, era el primer erudito en pensar directamenteentrminosderedessociales.Susensayossealanalainteraccindeltamaodela red en la naturaleza yalaprobabilidaddeinteraccinde manera ramificada.En las primeras dcadasdelvigsimosiglo,trestradicionesprincipalesenredessocialesaparecieron[3]. Enlosaos30,unatradicintrabajenelanlisissociomtricodelospequeosgrupos, J.L.Morenotomabaelliderazgoenestudiarlassalasdeclaseygruposdetrabajo.Ungrupode HarvardconW.LloydWarneryEltonMayoexplorlasrelacionesinterpersonaleseneltrabajo.En el 1950s1960s, los antroplogos se encontraban centrados alrededor de la universidad de Manchester,talcomoGluckmannRadcliffeMarrn,talcomoA.R.,J.ClydeMitchellyElizabeth Bottinvestigaronredescomunitariasenfricameridional,laIndiayelReinoUnido[3]. Para el ao 1929 se dieron los primeros pasos en torno a la teora. Fue inicialmente propuestaen1929porelescritorhngaroFrigyesKarinthy1 [3,5],enunacortahistoriallamada Chains.Dondeseexplicalaideadequeelnmerodeconocidoscreceexponencialmenteconel nmerodeenlacesenlacadena,yslounpequeonmerodeenlacessonnecesariosparaqueel conjuntodeconocidosseconviertaenlapoblacinhumanaentera.Enladcadadelos50 se dieronlosprimerospasosdentrodelasMatemticasparademostrarlateora.Perolestomcerca de20aosllegaraunresultadosatisfactorio.Peronoeshasta1995queseejemplificaatravsde laweb.EneseaoescuandoRandyConradscreaelsitiowebclassmates.com.Conelobjetivode manteneryrecuperarelcontactoconcompaeros[7]. En1973elsocilogoMarkGranovetterrealizunfamosoestudiosobredoscomunidades bostonianasquesemovilizabanfrentealasconsecuenciasdelcrecimientourbano.Deesteestudio emergalaideadequelacoordinacinsocialdependa,alahoradelaverdad,notantodelos vnculosfuertescomolasrelacionesfamiliares,deamistadodecuadrilla,comodelosvnculos dbilesestablecidosconanterioridadconotrosactoresconlosquehastaentonceshabantenido 5

Capitulo1.RedesSociales

poco o ningn contacto. En un estudio posterior corrobor esta idea estudiando qu contactos servanrealmentealahoradeencontrartrabajo.Granovetterllamaestefenmenolafuerzade losvnculosdbiles[2]. A partir del 2003 comienza entonces una nueva poca para las redes sociales, el cual empiezanaaparecersitioswebcomoMySpace,Facebook,etc.;quepromocionanlaconsolidacin delcrculodeamistades.Estossitioshanllegadoasermuypopulares,tanto,que lasgrandes compaashanentradoenestemercado. 1.2.1TeoradelosSeisgradosdeseparacin SeisgradosdeseparacinesunateoraqueratificaloqueyahabaenunciadoFrigyes Karinthy.Dondesedemuestraqueatravsdeunacadenade5intermediariossepuedecontactar aunapersonaenellugarmsrecnditodelplaneta. Esta teora plantea que por lo general una persona conoce de forma promedio 100 personas.Sicadaunadeesasconoceaotros100,entoncesunmensajedelapersonaoriginalpuede sertransmitidoa10000personas(esteserael2donivel).Entoncesenunsextonivelelmensajeha sidotransmitidoa1000000000000.Enseispasos,yconlastecnologasdisponibles,sepodra enviarunmensajeacualquierlugarindividuodelplaneta[8,10]. En la figura 1.2 se muestra un ejemplodedichateora.

fig1.2 Esquemadelateoradelosseisgrados

Capitulo1.RedesSociales

En1967,elpsiclogoestadounidenseStanleyMilgramideunanuevamaneradeprobar lateora,quelllam"elproblemadelmundopequeo".Alazarseleccionvariaspersonasdel medio oeste estadounidense para que enviaran tarjetas postales a un extrao situado en Massachusetts,situadoavariosmilesdemillasdedistancia.Losremitentesconocanelnombredel destinatario,suocupacinylalocalizacinaproximada.Selesindicqueenviaranelpaqueteauna personaqueellosconocierandirectamenteyquepensaranquefueralaquemsprobabilidades tendra,detodossusamigos,deconocerdirectamentealdestinatario.Estapersonatendraque hacer lo mismo y as sucesivamente hasta que el paquete fuera entregado personalmente a su destinatariofinal[3].

1.2.2Proyectosmallworld

Elproyectosmallworld(mundopequeo),esunexperimentorealizadoporlaUniversidad deColumbia.Paraponerenprcticaesteproyectosenecesitanpocosrequisitos.Solosenecesita registrarseyelsistemaleasignarunapersonaobjetivo,delacualsetieneaccesoasunombre, edadyciudaddondevive.Elobjetivoconsisteencontactarconellautilizandosolamentenuestra reddecontactosdelavidareal.Entonceshayquedifuminaratravsdetodalareddecontactossi alguienconocealapersonaobjetivohastallegaracontactarconl.Esteproyectointentaprobarla teoradelosseisgradosdeseparacin[7,9,10].

1.3ProyectosdeRedesSocialesenInternet LasredessocialesbasadasenInternet tienencomoobjetivoestablecerlacomunicacin, integrarcomunidadesyaumentarlacooperacinentrelaspersonas.Dndoleunnuevoenfoqueal conceptodecomunicacin podemostenernuevasamistadesyrelacionesencualquierpartedel mundo;queantessenoshacamuydifcillograr.Lasredessocialessehanconvertidoenuna herramientadegranutilidadproporcionandounacomunicacinglobal. Este fenmeno en crecimientocongregaenlaactualidadamillonesdepersonasdedistintaspartesdelplaneta.

Capitulo1.RedesSociales

Estasredesseclasificanendosgrandesgrupos: Las redes sociales personales o de amistad, motivadas por afinidades musicales, por intereses comunes, etc. Este tipo de redes permiten una mayor interaccin entre los usuarios. AlgunasredescomoestassonMySpace[13],Facebook[12]yOrkut[11]

Lasprofesionales,queestnorientadasaltrabajomediantelautilizacindelared.Ejemplos deestetiposon:Plaxo[14]oXing[15].Porlosbeneficiosquetraenconsigolautilizacindelas redessocialesestashansidoaceptadasygozandemuchapopularidadmundialmente.

1.3.1MySpace Esunadelasredessocialesmspopularesenlaactualidad.Laplataformaincluyeredesde amigos, grupos, blogs, fotos, vdeos y msica y una red interna de mensajera para poder comunicarteconotrosusuarios.Cuentaconherramientassimplesysencillasdondesepuedecrear unperfilpersonal,confotos,comentarios,msicaylaposibilidaddecomunicarserpidamentecon otrosusuarios.Triunfandoespecialmenteentrelosjvenes.Estarednohaparadodecrecerycuenta conmsde300millonesdeusuariosymsde116millonesdevisitantesnicos.Esunadelasms popularesdentrodelapoblacinmundial.SegnelsitiowebAlexa,dedicadoamedireltrficode Internet,MySpaceeselsextositiomsvisitadodetodalaRedyelcuartomsvisitadodelengua inglesa [19, 20, 22]. Dentro de las aplicaciones que contiene la plataforma se encuentran los Boletines,Grupos,MySpaceIM,MySpaceTV.

Algunasdelasaplicacionesquelohacenmspopularesson: MySpaceMobile:ProporcionaelaccesoacontenidodeMySpaceatravsdelatelefona celular. MySpaceNews:EsunservicioquepermiteenviarfeedsRSSorecibasnoticias.

Capitulo1.RedesSociales

MySpaceClassifieds:EslaseccindeclasificadosdelMySpace. MySpacePoll:Paraquelosusuariospuedanincluirencuestasensusperfilesycompartir conotrosusuarios[13]. 1.3.2Facebook EstesitiofuecreadoparalosestudiantesdelaUniversidaddeHarvard,peroyahoyenda hasidoabiertoacualquierpersonaquetengaunacuentadecorreoelectrnico.Sehahechopopular debidoaqueenestaplataforma,sepuedendesarrollaraplicacionesyhacernegocioapartirdela redsocial.Estandopublicadosolamenteeninglsllegaserelsitioquemsusuariosdenivel superiorteniaregistrados,teniendo20millones.Parael2008fuelanzadoen francs,alemny espaol para impulsar su expansin fuera del mercado en ingls [16]. Una de las ventajas de Facebookessugranversatilidad.Lacreacindeaplicacionesexternasabiertasquesealimentande unasinterfacesdeprogramasdeaplicaciones(APIs)quetienenimplementado;permitiendoeluso particulardeaplicacionescomosisetrataradeunsistemaoperativoweb,enelquecadacual, aportaadichositio.Sepuedenhacermuchascosascomosubirtusfotos,controlarloslibrosquehas ledooquieresleer,distintostest,encuestas,herramientasdeinteraccinsocial...hastaaplicaciones paraseguiraccionesenbolsa[19,20,21,22]. Dentrodelasaplicacionesmspopularesaparecen: iLike:Integraelserviciosocialdelaredylarecomendacindemsicaenelperfil. Picnik:CorrigelasfotosquetengasenFacebooksinsalirdelaaplicacin. Touchgraph:Muestraungrficodenuestraredsocialdeamigos.

Capitulo1.RedesSociales

1.3.3Orkut OrkutesunaredsocialpromovidaporGoogledesdeenerodel2004.Laredestdiseada parapermitirasusintegrantesmantenersusrelacionesexistentesyhacernuevosamigos,contactos comerciales o relaciones ms ntimas. Es posible crear y mantener comunidades, que agrupan personasdeacuerdoasusgustoseintereses,endiferentescategoras,entrelasquesecuentan: actividades,negocios,juegos,msica,mascotas,religin,escuelas,comidas,preferenciassexuales, y algunas ms. Hasta hace algn tiempo solo podan acceder a esta comunidad aquellos que recibanunainvitacindealguienqueyapertenecaaella,estomientraselserviciopermanecaen fasebeta.Hoyestabiertaacualquierpersona,paraelloesnecesariotenerunacuentaenalgn serviciodeGoogle[11].

1.3.4OtrasRedesSociales Xing[15]esunaplataformadondesepuedegestionaryestablecercontactosprofesionales. Una de las funciones principales que tiene es la opcin de visualizar la red de contactos, por ejemplo:unusuariopuedeveratravsdecuntosintermediariosestnconectadosconotros.Se basa en el principio de los Seis grados deseparacin o el fenmeno del "mundo pequeo". Adicionalmenteestaplataformaonlineofrecenumerosasopcionesparacontactar,buscarpersonas pornombre,ciudad,sector,empresa,reasdeinters,etc.Ofrecetambinuncalendariopblicode eventos,quesepresentanalusuarioporordentemticoogeogrfico,dondesepuedeaprovecharla funcindeeventosparalagestindelaagendapersonal.Ademsbrindaunabolsadetrabajocon elnombreeninglsdeMarketplace.Losusuariosdelaplataformapuedenofrecerobuscarall puestosoproyectosdetrabajo[23].Lanovedadestenelpagodelosanunciosporintersdelos usuarios,medidoenlacantidaddeclicporanuncioyllamadoanunciosdecosteporclic(CPC).

10

Capitulo1.RedesSociales

Plaxo[14]esunalibretadedireccionesenlneaylacreacinderedesdeserviciossociales fundada por Napster. Permite la actualizacin automtica de informacin de contacto. Los usuariosysuscontactosalmacenansuinformacinenlosservidores.Cuandoestainformacines editadaporelusuario,loscambiosaparecenenloslibrosdedireccindetodosaquellosquefiguran enlacuentaenelcambiadordesuspropioslibros. Unavezqueloscontactossealmacenanenlaubicacincentral,esposibleestableceruna listadeconexionesentreloscontactosyaccederalalibretadedireccionesdesdecualquierlugar.

Un plugPlaxo apoya en los principales libros de direccin incluidos los de Outlook / OutlookExpress,MozillaThunderbird,yMacOSXdelaLibretadedirecciones,aunqueotras puedenserapoyadasatravsdeunainterfazdeprogramacindeaplicaciones.

1.3.5Aplicaciones Existenunagranvariedaddeherramientasyaplicacionesparaestasredessociales,lacual hacemuchomsflexibleydinmicalacomunicacin,desarrolloyelmanejoentreellas.

1.3.5.1APIsdeFacebook La API de Facebook es una plataforma para la creacin de aplicaciones que estn disponiblesparalosmiembrosdelaredsocialdeFacebook.Estapermitealasaplicacionesutilizar laconexinsocialyelperfildeinformacinparahacermsaplicacionesqueimpliquen,ypublicar lasactividadesdelasnoticiasypginasdeperfilde Facebook,consujecinalosusuariosla configuracindeprivacidad[24].

11

Capitulo1.RedesSociales

1.3.5.2OpenSocialdeGoogle OpenSocialesunserviciodeGooglequemedianteunconjuntodeAPIspermiteconstruir aplicacionespararedessociales.Esunestndarquecumplenmuchossitiosqueimplementanredes sociales. De tal forma que la forma de programar aplicaciones para diferentes sitios de redes socialesseacomn. EsteeselmismoconceptoutilizadoporFacebook,peroconunadiferenciaimportante:Los desarrolladoresde Facebook tienenquetrabajarconlenguajesdepropiedadde Facebook ycon APIs como FBML y FQL.Lasaplicacionesdesarrolladasconestoslenguajesnofuncionanen ningn otro sitio. En cambio los desarrolladores que trabajan con OpenSocial pueden trabajar usandoestndar HTML y Javascript. Susaplicaciones sern posibledecorrerencualquierotro ladodondehayauncontenedorOpenSocial[25].

12

Captulo2
RedesComplejas
Para realizar el anlisis de las redes sociales hacen faltan herramientas que modelen y estudiensusestructurasrelacionales.Estassurgencuandodiferentesorganizacionesoindividuos interaccionan,secomunican,coinciden,colaboran,atravsdediversosprocesosoacuerdos,que puedenserbilateralesomultilaterales.Deestemodolaestructuraqueemergedelainterrelacinse traduce en la existencia de una red social. Estas estructuras relacionales llamadas Redes Complejas,permitenunamejorcomprensin. Tradicionalmenteelestudiodelasredescomplejashasidoterritoriodelasmatemticas, especialmentelateoradegrafos.Inicialmenteseenfocoengrafosregulares,sintenerencuentalos principios de los grafos aleatorios; proponindose como los que mejor definan a las redes complejas.LeonhardEuler,pioneroenlateoradegrafos,fueelprimeroenestudiarlosgrafos regulares en el siglo 18. en el siglo 19 la teora se desarrollo mucho ms algortmica y estadsticamente[26,27]. 2.1Definicin:

Paradefiniraunaredcomplejaseutilizalateoriadegrafos.Estoshansidomuytilpara elanlisisderedessocialesporque:tieneunvocabularioquepuedeserutilizadoparaanalizar muchaspropiedadesdelasestructurassociales;nosofrecelasoperacionesmatemticasporlas cualesesaspropiedadespuedenanalizarseymedirse;ypermiteprobarteoremassobrelosgrafos y,portanto,deducirysometeratestdeterminadosenunciados[28].

13

Captulo2.RedesComplejas

Unaredcomplejaesungrafoquetieneciertaspropiedadesycaractersticasdefinidode laforma:...UnaredRconsistedeunconjuntodenodosV={v1,v2,...,vN},yunconjunto deparejasordenadasE={(vi,vj)} VxV.Cadaparejaordenada(vi,vj)sellamaconexin dirigidadelnodovialnodovj.LaredRsellamanodirigidasiparacadapareja(vi,vj) E tambinexistelapareja(vj,vi)E.Delocontrario,laredsedenominadirigida.Llamaremosa todoslosnodosqueestnconectadosdirectamenteaunnodovi,losvecinosdevi.Finalmente, elnumerokidevecinosdelnodovi(esdecir,elnumerodeconexionesdevi)sellamala conectividaddevi,yelpromediodeestasconectividades, k =N delared...[27].
1

k i ,eslaconectividadi=1
i=1

2.2PropiedadesyCaractersticas Enelestudiodelasredescomplejasseencuentrandiversaspropiedadesqueidentificana

susrespectivosmodelos,estasdeterminansuestructuraycomposicin.Unadelaspropiedades importantesdelanlisisdelaestructuradelasredesesladistribucindegradoenunaredquese representahabitualmentecomopkyesdefinidacomolafraccindenodosenlaredconuncierto gradok.Esdecirsilaredposeeunacantidaddennodosentotalynkdeellosrepartidosencada gradok,deestaformasetieneque p k=

nk n

.Tambinexistenotrascomoelcoeficientede

agrupamiento,lamodularidad,laheterogeneidadenelconexionado,ylapropiedadmundopequeo quecaracterizadeformageneraladichasredes. ElCoeficientedeAgrupamiento(clustering)eslaprobabilidaddequedoselementosde unaredestnconectadossiambosestnconectadosaotroelementoencomnoseaqueenunared complejaseformenconexionestriangulares,otambinseconocecomolaregladequeelamigo demiamigoestambinmiamigo.Lamediadeesteparmetroparatodoslosnodosseconoce comocoeficientedeagrupamientodelared.

14

Captulo2.RedesComplejas

LalongitudMnimaentredosnodoseselnmeromnimodesaltosnecesariosparallegarde unnodoviaotronodovjdelared.Lalongitudpromediodelaredespromediodelaslongitudes mnimasLijentretodaslasposiblesparejasdenodos(vi,vj)delared.DeaqusurgeElfenmeno smallworldomundopequeo,indicandoqueladistanciamediaentrecualquierpardenodosno conectadosdirectamenteespequea,lamismadotaalasredesdealtaeficienciaenlatransmisin deinformacin.Lasredessmallworldsedaenaquellasredesenlasqueapesardeexistirungran nmerodenodos,esposibleencontrarsendascortasqueconectena2nodoscualesquiera. Lamodularidadesunamedidaquecategorizaalostiposderedes,esdecirsilosnodosestn muyinterconectadosentoncessedicequelamodularidadesalta. UnaredesHeterogneacuandoexistennodosconpocas,mediasymuchasconexiones.Los nodosaltamenteconectadossedenominanhubocentrosdelared.Estasredesquepresentan heterogeneidadenelconexionadologranajustarsemsaunaredsocial[29].Unejemplodeuna redheterogneaymodularidadaltaeslafigura2.1.

fig2.1EsquemadeunaredHeterognea,modularidadalta

15

Captulo2.RedesComplejas

2.3Modelosdeconstruccinderedes Unaredestacompuestaestructuralmentepormodelosmatemticosquedefinensu topologaysuspropiedadesparticulares,estossonllamadosModelosEstadsticosyModelos Dinmicos.LosEstadsticosseguanporunavariableprobabilsticaqueinfluyenenlatomade decisionesdecrearlared.Esdecirelgrafodependeexclusivamentedeesavariableparapoder lograrsucomposicin,unejemplosonlosgrafosaleatoriosdeErdosRenyi.LosModelos Dinmicosconsideranlasredescomosistemasconinteraccionesquevaraneneltiemposegn determinadasleyes.SellamantambinModelosdecrecimientoodeevolucinimitandolos procesosdecrecimientomediantelaadicingradualdenodosoenlaces[27]. UnodeestosejemploseselmodelodeEnlacePreferencialdeAlbertBarabsi,elcual

asumequelaconexindelosnuevosnodosaadidosalsistemaestreguladaporlacantidadde conexionesdelosyapresentes,esdecirlosnuevoselementosseunirnconmayorprobabilidada losmsconectadosyaubicadosenlared[27,29]. 2.4GrafosAleatorios LosGrafosAleatoriossonunaramadelasredescomplejasdondeutilizanvariables aleatoriascomopremisafundamentalparalaconstruccindelosgrafos.Apartirdeestosgrafosy condeterminadascaractersticasdecadamodelo,selogranestudiarysimularalgunasredessociales reales[26].Esimportantesealarqueseescogenlosgrafosaleatorioscomoherramientaprincipal porqueexisteneventosenlaactualidadquesegenerandeformaaleatoriacomoeselpresentarados personasquetenganrasgosencomunesllegandoaseramigos.Enlafigura2.2semuestraun ejemplodeunaredaleatoria.

16

Captulo2.RedesComplejas

fig2.2EsquemadeunaredAleatoria

2.4.1ModeloErdosRenyi(ER) Elmodelo(ER)revolucionoeldesarrollodelosgrafosaleatorios,conocindosecomouno delosprimerosgrafosgeneradosparaelestudioylasimulacindelasredessociales.Tambiense conocecomomodeloBernoulli,yapesardeserunmodelonomuyaplicado,seleatribuyesu importanciaporserelprimermodeloqueintroducelasfuncionesdeprobabilidadsobrelacreacin degrafos[42,33]. Comodependedeunavariablealeatoriaparapoderdecidirsiconectaronoalosnodosdela red,existencaractersticasquevaran.Mientrasmsprobabilidadtengaunaaristadeserinsertada enelgrafo,entonceselcoeficientedeagrupamientoylamodularidadvariaranenascenso.Noes unareddetipomundopequeoporquepodragenerarseungrafoconnodosdesconectados.Noes heterognea,ysugradopkgeneraunadistribucindepoisson[27].

2.4.1.1Estructuradelmodelo Estemodelodevuelveungrafoaleatorio,conlascaractersticasdelmodelo(ER).Los parmetrosdeentrada,"n"eslacantidaddenodoquevaatenerelgrafoy"p"eslaprobabilidaden queunaaristaescogidaalazarseapartedelgrafo.Setienequeunnodoseenlazaconigual probabilidadpconelrestodelared.Seescogendosnodoscualesquieradelgrafovi,vj.Segenera 17

Captulo2.RedesComplejas

unavariablealeatoriauniformeu,siuesmenorquelaprobabilidadpentoncessecreala arista(vi,vj)yseagregaalgrafo.Repetimoselproceso M = nn1 veceshabiendo 2

establecidocomomximoMenlacesentreparejasdenodos.SiMesunvalorpequeoconrespecto alvalortotaldenodos,muchosdeestosestarndesconectados,mientrasqueporelcontrariosiM esgrandeencomparacinconn,esmuyposiblequecasitodoslosnodosestnenlazadosentre s.Cuandoseenlazanlosnodosdeestaformaaparecenpropiedadesespecficasenladistribucin degradoPkdondeposeepropiedadesdedistribucindePoisson[2,6].

2.5RedesdeEscalaLibre Existenmuchossistemasenlanaturalezaquepuedenserdescritospormedioderedes aleatorias.Secreaquetodaslasredesdeestetiposecomportabandelamismamanera,siguiendo elmodelodeErdsyRnyi[33].SinembargoWattsyStrogatz[30]estudiandoredessociales, descubrieronqueestasnosecomportabandedichaforma.Alobservarlosresultadosdevarios experimentosconredesreales,BarabsiyAlbert[32]observaronquetodaslasredesdelos experimentossecomportabansiguiendounaleydepotenciaenladistribucindelosgradosdelos vrtices,yllamanaestasredesredesdeescalalibre.

Lasredesdeescalalibreposeenaltaheterogeneidadalcontenernodosconpocas,mediasy

muchasconexiones.Elvalormediodeladistribucinnoesrepresentativodelaconectividaddela red.Lamayoradelosvrticestienenbajaconectividadyaltasolounospocos.Unapropiedad especialmenteimportantedelasredesdeescalalibreeslarobustezdesusconexionesfrenteala supresinaleatoriadenodos.Enestasredesesmsprobablelaeliminacindeunnodopoco conectadoqueladeunomuyconectado,aunquelasupresindeunhubpuedeproducirun cambioenelsistemaquecausesufragmentacin[36].

18

Captulo2.RedesComplejas

2.5.1ModeloAlbertBarabsi

AlbertLszlBarabsi,profesordefsica,sehadadoaconocerporsusinvestigaciones acercaderedeslibresdeescalaylasredesbiolgicas.Barabsidescubrilasredeslibresdeescala enmuchosdominios(enlacesentresaeropuertos,cableadoelctrico,relacionessexualesentre personas,coautorasdeartculos),explicaronstefenmenoapelandoadosmecanismos: Crecimientoyenlacepreferencial.Suformulacinsostienequelasredesdeescalalibrevan creciendoconeltiempoylosnuevosnodosqueseadosanseenlazanpreferentementeconlosnodos yaexistentesenfuncindesunmeropreviodeconexiones.Estosmecanismosbastanparaexplicar elsurgimientodelasredesdeescalalibre,sumantenimientoendiferentestamaos(escalasdela red)ytambinsupresenciamuyfrecuente[35].Enlafigura2.3semuestraunejemplodeunared detipoBarabsi.

fig2.3EsquemadeunaredBarabsi(1)

2.5.2EnlacePreferencial Enlavidareallasconexionesentrediferentesnodosnosedandemaneraigualitaria.Por ejemplo,siunapersonatieneunacomputadoranuevayquiereconectarlaainternet,novaa contratarelserviciodeinternetdealgunacompaaelegidaalazar,sinoquebuscaralacompaa queofrezcaelmejorservicioyalmejorprecio,yprobablementeseraestacompaalaquetenga msclientes.Enunaescuelalosvaronesnobuscanasuparejaalazar,sinoquebuscaransalirconla 19

Captulo2.RedesComplejas

chicamsbonita,otalvezconlamsinteligente,yseraestamuchachalaquetengams pretendientes.Porestarazn,Barabsiinventelconceptodeenlacepreferencialenelcuallos nuevosnodosqueseaadenalaredseconectaranpreferentementeconlosnodosyaexistentesque tenganelmayornumerodeconexiones.Intuitivamentepodemospensarqueelenlacepreferencial consisteenqueunosiempretratadeestarconectadoconlosnodosmspopulares,esdecir,con losnodosdemayorconectividad. ParaincorporarestecomportamientoBarabsisugiriquelaprobabilidaddeenlace

preferencialseria: k , t=

N t n=0

kn

k siendo k , t laprobabilidadenqueunnodo

aleatorioseaseleccionado,dondekneslaconectividaddelnsimonodoyaexistentealtiempot.El

factor

N t n =0

kn

eslasumatoriadeconectividadesquetienecadanododelgrafoosea 2M k . 2M

siendoMlacantidaddearistasdelgrafo.Enotraspalabras k , t= Porejemploelgrafodelafigura2.4,yse quierecalcularlaprobabilidaddequeunnodo seaseleccionadoparaenlazarloconunnodo nuevo6.Entoncesdadolafrmulapropuesta porBarabsiindicaqueelnodo0eselque msprobabilidadtieneparaqueesteseael indicado,suprobabilidadp=0.5,yladelos nodosrestantesseria0.1.

fig2.4Ejemplodeenlacepreferencial

20

Captulo2.RedesComplejas

2.5.3Adaptabilidad Elconceptodeadaptabilidadesunodeloselementosclavesparaanalizarunareddesocial. Existenpersonasquedesarrollandeterminadosrasgosmasrpidosyenmenostiempoqueotras. Estosedebeaunfactorqueinsidemsensumediosocialfacilitandounrpidodesarrollopara aprenderdichosrasgos.PorejemploseandospersonasA,Bquetienencomoobjetivollegaraser comunicadores,laprimeraesunapersonaextrovertida,quepuedeestablecerfcilmenteuntemade conversacinocrearrelacionesdeamistad.EncambioBesintrovertidoyleresultamuydificilel poderrelacionarse.EstohacequeAseamejoradaptableparacumplirdichoobjetivo,PuedequeB tambinlocumpla,peronecesitarmastiempoydedicacinparaalcanzarlo. EstaobservacinhizoqueBarabsipropusieraelconceptodeadaptabilidadenelquecada unodelosnodosvn,ademsdetenerunaconectividadkn,tambinteniaunparmetrode adaptabilidadasociadown.Esteparmetroesunamedidadequetambinestabaadaptadoelnodovn asuentorno:entremsgrandeeselvalordewn,mayoreselgradodeadaptabilidaddevn. Especficamente,loqueBarabsihizofueproponerunafuncindeenlacepreferencial(k,w,t) que,ademsdeserproporcionalalaconectividadkdelosnodosyaexistentes,tambines proporcionalasuadaptabilidadw.Deestaforma,laprobabilidaddequeunnuevonodoaadidoa laredseconecteconelnodovnyaexistente,cuyaconectividadesknycuyaadaptabilidadeswn, quedadadapor k n ,wn ,t =Cwn k n dondeCesunaconstantedenormalizacin.Cadanodonace consupropiaadaptabilidad,lacualnocambiaeneltiempo. 2.5.4Crecimientoderedes Enlaactualidadlasredesnuncapermanecenfijas,porelcontrarioevolucionanycrecencon eltiempoatravsdelaadicinsimultneatantodeconexionescomodenodos.Enelmodeloms simplederedesaadimosunnuevonodoencadapasodetiempo.Estepuedeconectarsecon algunosdelosnodosyaexistentes.Cadaunodeloscualespuedenserseleccionadosparala conexinconunaprobabilidad k n , t siendoknlaconectividadaltiempotdelnsimonodo existente. 21

Captulo2.RedesComplejas

Hayqueresaltarlagranimportanciaquepresentanestetipoderedesparaestudiarel comportamientodemuchosprocesosqueocurrenenlaactualidad,porejemplo:Laredde distribucinelctrica,enqueexistenestacionesenormesqueabastecenazonasenormes,yal mismotiempounamiradadetransformadorespequeos.Lasredesdecomerciointernacional, dondelospasesdesarrollados,quesonlaminora,concentranlamayorcantidaddeintercambiode bienes,mientrasqueenlospasesnodesarrollados,quesonlamayora,elintercambiocomerciales relativamentemenor. Estoseaplicatambinalasredesdecomercioentreempresasdentrodecadapas.Laredde pginasweb,queunospocossitiosrecibengrancantidaddeenlaces,mientrasquelamayorano recibeninguno.

2.6ModeloPowerlawCluster PowerlawClusteresunamejoraalmodelodeAlbertBarabsi,elcualutilizaelmismo paradigmadecrecimientodelared,mantieneelenlacepreferencial.Lainnovacinenestemodelo esunfactor'k'deprobabilidadqueaumentaelgradodecoeficientedeagrupamiento.Permitiendo quelassubredesimplcitasestnmsinterconectadas,provocandounmayoraugedelafamosa frase:Elamigodemiamigo,estambinmiamigo.Quenoesmsqueunatriangulacinentre nodosdeunamismavecindad[37].

Enlafigura2.5semuestraunaredde tipoPowerlawClusterconn=30,m=2, k=1.0.

22

Captulo2.RedesComplejas

fig2.5:EsquemadeunaredPowerlawCluster

Enlafigura2.6semuestraunaredde Barabsiconlasmismascondicionesn=30, m=2.

fig2.6:EsquemadeunaredAlbertBarabsi(2)

Ntesequeenlafigura2.5laredPowerlawClustertienemshubs,posibilitandoquela redestemejordistribuida.Unadiferencianotablesonlastriangulacionesdenodos,fjesequelared deBarabsipresentauncoeficientedeagrupamientomuybajo,conrespectoalaotra.Otra comparacinqueresaltaalavistaeslaheterogeneidadenelconexionadodeestasredes.Enel primercasoelmodelodelafigura2.5,tienemsdiversidadenelconexionado,oseaquehayanms nodosconmuchas,mediasypocasconexionesqueeneldelafigura2.6.

23

Captulo 3
Diseo e Implementacin
Un sistema que simule el comportamiento de la divulgacin de una noticia en una red social de nodos ser el enfoque principal. Con el propsito de ver que alcance tiene este, estableciendo parmetros como: Nodo que ms porciento tuvo en difundir la noticia, porciento de nodos que divulgaron la noticia, se podr descritos anteriores. 3.1 Diseo El sistema esta compuesto por dos procesos fundamentales : la creacin de la red, que van a estar compuesto por algoritmos de redes complejas, y la forma en que se propaga la informacin dentro del grafo. Cada uno de estos procesos tiene caractersticas propias y cruciales para el diseo del mismo. 3.1.1 Formacin de la red Se quiere utilizar para la formacin de la red 3 modelos de crecimientos de redes,estos son: el modelo de Erdos-Renyi, el modelo de Albert Barabsi y el Powerlaw Cluster. Cada uno presenta propiedades imprescindible como el coeficiente de agrupamiento, la modularidad y la diversidad en sus conexiones. Asi como tambien la propiedad small world. La formacin de la misma es una etapa crucial en el sistema porque las decisiones que se tomen en el momento en que un nodo se conecte a la red incidir en la topologa del modelo escogido. identificar una metodologa capaz de abordar los elementos

24

Captulo 3. Diseo e Implementacin

El modelo propuesto por Erdos Renyi presenta un paradigma diferente en la formacin de la red con respecto a los dems modelos. Este se rige por una variable aleatoria que determina la insercin de cada arista al grafo. Osea por cada par de nodos (formando una arista) que se agregue al grafo, depender de una variable aleatoria para que sea parte de este. Asi en cada instante de tiempo ser conformada la red, presentando propiedades inestables como la del mundo pequeo, el cual, el grafo puede contener nodos aislados y entonces quedara anulada. Para que se cumpla lo enunciado la probabilidad tendr que ser muy baja. El coeficiente de agrupamiento y la modularidad varian en este aspecto. Por ejemplo para un grafo con 100 nodos y la probabilidad de enlazar es 0.08, el grafo es conexo, el coeficiente de agrupamiento es alto, no es heterognea, la modularidad es alta. y presenta la propiedad mundo pequeo. El algoritmo definido por Albert Barabsi, el cual presenta propiedades esenciales como el enlace preferencial permite ajustarse mejor a una red social. Determinar como formar la red es bsicamente la construccin del grafo y para esto Barabsi brinda una alternativa. Se muestran elementos a tener en cuenta para este grafo: n es la cantidad de nodos que tendr el grafo y m que sera la cantidad de conexiones posibles que un nodo pueda agregar. El valor m tiene que es estar entre (1,n) , de lo contrario el grafo no se construira. Cada vez que un nodo se conecta al grafo este elegir a sus vecinos a travs del enlace preferencial. A medida que el grafo va creciendo los nodos ms viejos son los que irn adquiriendo mayor numero de conexiones. Este grafo presenta la propiedad Mundo Pequeo el cual permite encontrar distancias mnimas entre nodos. Los nodos tambin cuentan con un coeficiente de adaptabilidad, que esta dado por una variable probabilstica, esto hace posible que existan nodos que desde que son aadidos al grafo, puedan crecer ms rpido y lograr convertirse en hubs. Mientras ms grande se haga m, existir en el grafo mayor coeficiente de agrupamiento, (Triangulaciones de nodos). Tambin es posible lograr una alta heterogeneidad en sus conexiones, as como elevada modularidad.

25

Captulo 3. Diseo e Implementacin

Tambin como propuesta tenemos el algoritmo powerlaw cluster graph[37], que brinda un paso adicional en la ejecucin del grafo, dando la posibilidad de crear una triangulacin cada vez que un nodo sea aadido al grafo. Esto trae como consigo que la red generada pueda alcanzar un mayor promedio de coeficientes de agrupamientos, si se desea. Es ajustable por una variable aleatoria uniforme entre (0,1). 3.1.2 Peso en las aristas Se quiere establecer un parmetro para medir el grado de amistad entre los nodos del grafo, dicho parmetro esta definido por valores entre [0,10]. Esta medida de clasificacion numrica es vital para el empleo de la lgica difusa en la red. Una vez definida las reglas y las variables del sistema, se procede al calculo con dichos pesos obtenidos. En la red que se desea generar , existirn dos tipos de pesos p1,p2. El primero representa la fortaleza social que exista entre dos nodos cualesquiera , es decir representa una medida de amistad. Mientras ms se acerque p1 al valor '10', ms amigo sera con el nodo adyacente. El otro peso define el inters de la noticia que el nodo origen divulga. Por ejemplo se tiene la arista (a,b), si un nodo 'a' genera un peso p2=8 entonces la noticia que le llegara al nodo 'b' sera interesante, mientras ms grande sea p2 , ms interesante se har la noticia con respecto al nodo destino. 3.1.3 Envo de la informacin La divulgacin de una noticia es el otro proceso clave para la implementacin del sistema, para ello utilizamos el concepto de perfil. En la actualidad las personas se relacionan de acuerdo a los rasgos de la personalidad, conducta y comportamiento en su circulo social. Estas responden a partir de un conjunto de condiciones a determinadas acciones. Por ejemplo: sea A ,B sujetos sociales, si A es amigo de B , siendo B Extrovertido, el primero lo invita al cine, lo ms probable es que este acepte la salida. A dichos rasgos lo identificaremos como perfiles. Se ha tomado como alternativa el empleo de este mecanismo, para clasificar a los nodos de la red, osea que cada nodo tenga asignado un perfil. Dichos perfiles son generados por un sistema difuso [38].

26

Captulo 3. Diseo e Implementacin

3.1.4 Sistema Difuso Los sistemas difusos son estudiados a menudo en el campo de la simulacin para aproximar una respuesta a un conjunto de valores no definido[38]. Se quiere lograr que cada nodo pueda decidir el envo de la noticia a cada uno de sus vecinos, utilizando dos valores de entradas: Inters de la Noticia (IN): Interesante Ajena Noticia recibida por (NR): Amigo Conocido Enemigo Estos valores son recibidos cuando al nodo le llega la noticia. Una vez efectuado, se procesa al clculo de la defuzificacin para generar la respuesta a sus adyacentes. Cabe sealar que l genera respuesta particulares para cada nodo de acuerdo a su perfil. Los parmetros se clasifican de acuerdo a un rango de (0,10), y un grado de membresa entre (0,1) , donde la curva define la membresa en un conjunto difuso. Este comportamiento representa a las figuras 3.1, 3.2, 3.3, 3.4 y 3.5.

27

Captulo 3. Diseo e Implementacin

Fig 3.1: Esquema IN: Ajena

Fig 3.2 Esquema IN:Interesante

Fig 3.3: Esquema NR:Enemigo

Fig 3.4: Esquema NR:Conocido

Fig 3.5: Esquema NR:Amigo

28

Captulo 3. Diseo e Implementacin

El valor de salida del sistema difuso, seria:

Enviar Noticia (EN): Si No

3.2 Implementacin de la aplicacin Con el objetivo de crear una plataforma posible para poder visualizar las estrategias de los modelos de redes complejas, la diseminacin de la informacin y el empleo de la lgica difusa, se procede a conformar una aplicacin capaz de recopilar los elementos mencionados en los captulos anteriores. Tomando como lenguaje de programacin el python para lograr unificar mucha de estas tecnologas dadas a conocer por este lenguaje.

3.2.1 Libreras utilizadas Para la implementacin de la aplicacin se tuvo en cuenta un conjunto de bibliotecas y paquetes importantes. Para el python2.6 hicieron falta los siguientes paquetes: Python-tk: Conocido tambin como Tkinter, es un paquete hecho para escribir aplicaciones GUI porttiles con Python . Python-Matplotlib: es una librera de funciones para integrar a Python la capacidad de generar grficas en formatos apropiados. Es til para la visualizacin de los grafos generados por el paquete python-networkx.

Python-Networkx: Es el paquete usado para la manipulacin, creacin y estudio de las redes complejas. Los modelos propuestos que se insertan en la aplicacin, son utilizados por esta librera.

29

Captulo 3. Diseo e Implementacin

Pyfuzzy 0.0.2: Es un paquete que sirve para aplicar los conocimientos de la lgica difusa en python. Facilita el manejo, contiene estructuras diseadas y brinda una amplia gama de funciones de membresa predefinidas para conjuntos difusos. Gnuplot: Es requerido para la representacin de las funciones de lgica difusa, tales como Zfunction. Python-gtk2: Es utilizado para desarrollar la interfaz de la aplicacin, con el objetivo de mostrarle al usuario las comodidades ms apropiadas para la interaccin del programa. 3.2.2 Estructura de la aplicacin La aplicacin esta estructurada por los mdulos que se muestran en la figura 3.6, el cual definen su composicin.El mdulo Interfaz es el puente entre los restantes mdulos y la peticin que hace el usuario. Una vez que la interfaz recibe los datos, procede a enviarlos a los mdulos simulator y system. El primero esta diseado para la formacion de la red y la simulacin de la informacin, el ltimo para la utilizacin de la logica difusa. El mdulo util contiene metodos importantes para completar el proceso de simulacin. El mdulo perfiles esta diseado para el trabajo la lgica difusa, guardando las caracterstica que define a cada perfil. Por ultimo el mdulo func_graficas visualiza las funciones de membresa de las variables de entrada del sistema difuso.

30

Captulo 3. Diseo e Implementacin

Fig 3.6: Arquitectura del software por mdulos

3.2.3 Modulo Interfaz Es el que integra las funcionalidades del software,brindando una serie de opciones para este sea ms flexible. Permite que el usuario interacte con el sistema, haciendo los pedidos del dato que se desea insertar para la obtencin de los resultados. Contiene los siguientes mtodos: Un mtodo delete_event que cierra la aplicacin. Un mtodo evento_agregar: guarda las las configuraciones de los perfiles personalizados que se desean simular en el grafo seleccionado. Un mtodo evento_combo: guarda el modelo de red que se desea simular. Un mtodo evento_botn_grafo: que es el encargado de transmitir la informacin del grafo al modulo simulator para que este pueda procesar y crearlo.Propiedades como el Tipo de nodo que difunde la noticia, tamao de la red, cantidad de conexiones, tipo de red, son las que el usuario puede escoger en este mtodo. Un mtodo evento_simular: Una vez creado el grafo como se desea, este captura las restantes opciones para la simulacin, como los pesos de Inters de la noticia(IN), Noticia Recibida(NR). Tambin si el perfil del grafo sera personalizado o global. Y por

31

Captulo 3. Diseo e Implementacin

ultimo ordena la simulacin de como se divulga la noticia por todo el grafo, imprimiendo los resultados. Un mtodo evento_grafica_nr que manda a llamar al modulo funciones_grficas para graficar las funciones de membresa de la noticia recibida (NR). Un mtodo evento_grafica_in que manda a llamar al modulo funciones_grficas para graficar las funciones de membresa de la inters de la noticia (IN). Un mtodo toggle_radio_perfil que reinicia los valores de los perfiles. Contiene adems las variables: self.s: Es el mtodo simulator() guardado en dicha variable. self.perfil_p: un contenedor para guardar la informacin de los perfiles. 3.2.4 Modulo simulator Inicialmente se escoge un nodo para que este comience con el proceso de simulacin diseminando la informacin en la red. Este nodo ya sea escogido por cumplir determinadas condiciones, se encarga de hacer una bsqueda entre sus vecinos y empezar el proceso. Dicha bsqueda es definida como Recorrido a lo ancho, el cual permite moverse siempre por la vecindad del nodo, priorizando a sus adyacentes primeros. Para la utilizacin del recorrido hizo falta la creacin de una cola de eventos que guardara los estados de los eventos. Un evento puede ser de tipo enva_noticia o recibe_noticia. Cuando un nodo origen genera un evento de tipo enva_noticia, este manda a que el nodo destino genere un evento de tipo recibe_noticia con el identificado del nodo origen, y lo manda a guardar en la cola de eventos. Cuando se genera un evento de tipo recibe_noticia, se procede a hacer el calculo de la diseminacin de la noticia en los vecinos del nodo que le es llegada la noticia. Si el nodo ya conoce la noticia es descartado este paso y continua el proceso repitiendo los mismo pasos a sus adyacentes. De esta manera se logra recorrer la red y guardar los resultados que se desean mostrar. Al terminar la simulacin se genera un archivo que almacena paso por paso, el proceso entero.

Ejecuta las ordenes hechas por los mtodos evento_botn_grafo y evento_simular. Capturando todas las peticiones hechas por el usuario, para proceder a la simulacin de la 32

Captulo 3. Diseo e Implementacin

aplicacin. Utiliza el paquete networkx para la implementacin de las redes. Tiene una clase simulator contiene las variables: self.grafo: tipo de red para generar con el modulo python-networkx. self.n: Cantidad de nodos que se quiere generar self.m: Cantidad de conexiones promedio que se quiere generar por cada nodo self.k: Probabilidad que tendr una conexin de conectarse entre dos nodos (caso ErdosRenyi) y Probabilidad que tendr un nodo de hacer una triangulacin con uno de sus vecinos (caso Powerlaw Cluster) num_random: Variable que guarda el tipo de nodo que va a difundir la noticia. Puede ser nodo ms popular, menos popular o algn nodo que se quiera utilizar en particular. El mtodo run_simulator comienza con la simulacin de la divulgacin de la noticia en el grafo creado, se apoya en los mtodos Recibe_noticia y Enva_noticia del modulo til. Adems contiene las variables: id_noticia: es el nodo que va a difundir la noticia pesos: guarda la informacin de los pesos modificados por el usuarios, valor mximo y mnimo del inters de la Noticia (IN). Lo mismo para Noticia Recibida (NR). perfil: Guarda la informacin de los perfiles para los nodos del grafo. cola_eventos: Utilizado para saber cuando los nodos tienen que difundir o recibir la noticia. lista_noticias: Lista de todos los nodos del grafo, donde guarda si recibi o no la noticia a cada uno. lista_nodos_que_difunden_noticias:Lista de nodos que difunden la noticia. lista_nodos_que_saban_la_noticia:Lista de nodos que conocen la noticia.

33

Captulo 3. Diseo e Implementacin

3.2.5 Modulo til Contiene un conjunto de mtodos importantes para el empleo de la simulacin, los cuales son descritos: El mtodo Enva_noticia crea un evento Recibe Noticia al nodo que sera enviada, y lo agrega en la cola_eventos. El mtodo Recibe_noticia es el encargado de que cuando le llega la noticia a un nodo decidir a que nodos enviarle dicha informacin, para esto se apoya en el mtodo lgica_difusa, para saber la respuesta, si esta es afirmativa entonces crea un evento Enviar noticia al nodo elegido, y lo agrega a la cola de eventos, este proceso es realizado a todos los vecinos del nodo que recibe la noticia. El mtodo lgica_difusa devuelve la respuesta de enviar o no la noticia a un nodo. Se apoya en los mdulos system y Perfiles para efectuar el proceso completo de la lgica difusa. El mtodo Porciento apoyado en las variables lista_nodos_que_difunden_noticias, lista_nodos_que_saban_la_noticia, lista_noticias, grafo, calcula los resultados que sern mostrados al usuario, estos son: Porciento de nodos que divulgaron la noticia. Nodo que ms difundi la noticia. Porciento del nodo que ms difundi la noticia. Porciento de nodos que recibieron la noticia y que ya la saban. Porciento de nodos que no recibieron la noticia.

Adems de utilizar las siguientes variables: nodo: Representa el ndice de la lista lista_nodos_que_difunden_noticias.
Total: Cantidad

de nodos del grafo. Lista donde guarda el nodo que difundi ms la el nodo que tuvo

nodo_que_mas_difundi_noticia:

noticia con la cantidad.

nodo_que_mas_porciento_difundi_noticia: Lista donde guarda

ms porciento de nodos al difundir la noticia, con la cantidad. 34

Captulo 3. Diseo e Implementacin

El mtodo crea_lista genera una lista de tamao nodos y le asigna a cada nodo el tipo valor. El mtodo cuenta_nodos devuelve la cantidad de nodos que tienen el valor True. El mtodo Vrtice_mas_popular devuelve el nodo que mas conexiones tiene en la red. El mtodo Vrtice_menos_popular devuelve uno de los nodo que menos conexiones tiene en la red. El mtodo dame_perfil devuelve un perfil aleatorio en caso que el usuario quiera que la red tenga mltiples perfiles. El mtodo convierte_de_porciento_cantidad convierte la informacin de los perfiles guardada en porciento por cantidad de nodos.

3.2.5.1 Modulo Evento Este modulo fue diseado con el objetivo de crear una clase evento que contiene las variables: tipo_evento: puede almacenar los valores ENVA_NOTICIA o RECIBE_NOTICIA. id: guarda el nodo que para vincular el tipo_evento.

3.2.6 Modulo system El sistema difuso esta dividido en 2 partes, system que guarda las variables del sistema con las funciones, y los perfiles que contienen las reglas. En la figura 3.7 se muestra un esquema de como esta implementado.

35

Captulo 3. Diseo e Implementacin

fig 3.7: Esquema del Sistema difuso

Cada perfil contiene dentro todo el proceso de fusificacin y desdifusificacin, as como el clculo del centroide. in se muestran las reglas.

R1: Introvertido si IN es 'ajena' o NR es 'enemigo' o NR es conocido entonces EN es 'no' si IN es 'interesante' o NR es 'amigo' entonces EN es 'si' R2: Conservador si IN es 'ajena' o NR es 'enemigo' entonces EN es 'no' si IN es 'interesante' y NR es 'conocido' o IN es 'interesante' y NR es 'amigo' entonces EN es 'si' R3: Social si NR es 'enemigo' entonces EN es 'no' si IN es 'ajena' o IN es 'interesante' o NR es 'amigo' o NR es 'conocido' entonces EN es 'si'

36

Captulo 3. Diseo e Implementacin

R4: Comunicador si IN es 'ajena' y NR es 'enemigo' entonces EN es 'no' si IN es 'Interesante' o NR es 'amigo' o NR es 'conocido' entonces EN es 'si' Este modulo utiliza las funciones del paquete Pyfuzzy 0.0.2, para la implementacin del sistema difuso. Contiene al mtodo create_system que su objetivo es crear la variable global sistema donde este va a almacenar las variables de entrada y salida con sus respectivas funciones: noticia_recibida: enemigo:fuzzy.set.ZFunction.ZFunction(a=2.,delta=2.) conocido:fuzzy.set.PiFunction.PiFunction(a=5.,delta=3.) amigo: fuzzy.set.SFunction.SFunction(a=8.,delta=2.) inters_noticia: ajena: fuzzy.set.Trapez.Trapez(m2=1.,beta=4.5) interesante: fuzzy.set.Trapez.Trapez(m1=9.,m2=12.,alpha=4.5) enviar_noticia: si:fuzzy.set.Triangle.Triangle(y_max=1.0,y_min=0.0,m=7.5,alpha=2.5, beta=2.5) no:fuzzy.set.Triangle.Triangle(y_max=1.0,y_min=0.0,m=2.5,alpha=2.5, beta=2.5)

3.2.7 Modulo Perfiles Este mdulo esta creado con el objetivo de utilizar mtodos y variables comunes para los tipos de perfiles que hay creados. Dentro de los mtodos tenemos los que crean reglas para la utilizacin del proceso de la lgica difusa. El mtodo centroide determina el punto balance de la regin difusa calculando el rea bajo la curva de la figura creada. El mtodo Evala_funcin es para que la respuesta del modelo este acotada entre el rango [0,10]. El mtodo create_and_implication_rule crea la regla si A es a y B es b entonces C es c. El mtodo create_and_implication_rule_1 crea la regla si 'A es a y B es b' o 'D es d y E es e' entonces C es c. El mtodo create_implication_rule crea la regla si A es a entonces C es c. 37

Captulo 3. Diseo e Implementacin

El mtodo create_or_more_implication_rule crea la regla si A es a o B es b o D es d entonces C es c. El mtodo create_or_implication_rule crea la regla si A es a o B es b entonces C es c. El mtodo create_or_more_implication_rule_1 crea la regla si A es a o B es b o D es d o E es e entonces C es c. Tambin contiene las variables que actan como identificadores: INTROVERTIDO CONSERVADOR SOCIABLE COMUNICADOR

3.2.7.1 Modulo Introvertido, Conservador, Sociable, Comunicador Contiene una clase defuzifica y un mtodo Reglas_del_sistema , que este ultimo es la unin de todas las reglas que que conforma el perfil. La clase esta estructurada por las variables: self.di: son los valores que van a tomar las variables de entrada. self.sistema : contiene a todas las variables del sistema con sus funciones. El mtodo centroide unifica los mtodos Reglas_del_sistema y centro id que contiene las variables : intervalos: cantidad de intervalos que se desea hacer para calcular el centroide. nombre_variable_salida: como lo indica, es el nombre de la variable de salida. Func: funciones devuelta por el mtodo Reglas_del_sistema.

38

Captulo 3. Diseo e Implementacin

3.2.8 Modulo Func_grficas Utiliza las libreras de Gnuplot para graficar las funciones de membresa de las variable noticia recibida y inters de la noticia.Contiene los mtodos inters_noticia y noticia_recibida.

3.2.9 Interfaz de la aplicacin La aplicacin esta estructurada por 3 cuadros fundamentales para el manejo de la misma. Estos cuadros son: Datos del Grafo Configuracin de Perfiles Otras Propiedades

38

fig 3.8 Esquema de la interfaz

El men Datos del Grafo es donde el usuario escoge el tipo de grafo con sus parmetros de entrada. Por ejemplo en la fig 3.9 se muestra los Datos de la red de Barabsi, donde te pide la cantidad de nodos que tendr la red (n) y la cantidad de aristas iniciales de que cada nodo(m).

39

Captulo 3. Diseo e Implementacin

Otra opcin que se incluy en este recuadro fue quien pudiera comenzar a difundir la noticia.

fig 3.9 Esquema de Datos del modelo Barabsi

En la fig 3.10 se muestran otros datos con respecto al modelo solicitado por el usuario. El modelo de Erdos Renyi, como ya se ha explicado anteriormente, tiene otros parmetros de entrada como la probabilidad de conectar una arista al grafo (k).

fig 3.10 Esquema de Datos del modelo Erdos Renyi

El modelo Powerlaw Cluster que se visualiza en la fig 3.11 muestra 3 opciones para generar la red, una ms que las anteriores. Cabe sealar que la probabilidad (k) no es la misma que la del modelo Erdos Renyi. Es por esto que cada modelo contiene dentro de si sus propias variables para su utilizacin.

Fig 3.11 Esquema de Datos del modelo Powerlaw Cluster

El recuadro Configuracin de Perfiles incluye caractersticas de los perfiles que se quieren asociar a la red escogida. Podemos escoger por Perfil 40

Captulo 3. Diseo e Implementacin

Global o Perfil Personalizado. El personalizado se crea con el objetivo de escoger cuantos nodos tendr de cada perfil en el grafo.

Fig 3.12 Esquema de Configuracin de Perfiles (1)

El usuario escoge el perfil que desee modificando los valores del porciento. Se da clic en el botn Agregar, para realizar dicha eleccin. Una vez realizada la accin,el limite del valor del porciento decrece a causa de la peticin hecha por el usuario. Por ejemplo en la fig 3.12 se muestra este paso.

Ahora el usuario tiene para agregar hasta un 75%, porque en la primera peticin escogi un 25% del perfil introvertido.

Fig 3.13 Esquema de Configuracin de Perfiles (2)

El botn Simular se ejecuta cuando el usuario haya personalizado los recuadros Datos del Grafo y Configuracin de Perfiles . Es necesario que el grafo se haya creado antes de dar clic a este botn, de lo contrario la aplicacin no procedera a realizar el modelo pedido.

41

Captulo 3. Diseo e Implementacin

En el recuadro Otras Propiedades de la figura 3.14 muestra opciones para hacer ms flexible y dinmico el rango de pesos de las variables Inters de la Noticia y Noticia Recibida . Puesto que estos valores se generan aleatorios, se trata de que el usuario pueda acotar los limites de los mismos. Tiene como objetivo que si se quisiera divulgar la noticia en la red de manera optimista , entonces los valores mnimos se incrementara.

fig 3.14 Esquema de Otras Propiedades

Otra opcin que brinda el recuadro Otras Propiedades es la posibilidad de representar las funciones de membresa con el paquete Gnuplot, vemos un ejemplo en la figura 3.15.

Fig 3.15 Esquema de graficacin

42

Bibliografa
[1] Lozares Colinas, Carlos (1996). La teora de las redes sociales. Papers, N 48, Universidad Autnoma de Barcelona.

[2] David de Ugarte . Breve Historia del anlisis de redes sociales . [3] Dr. Luis Joyanes Aquilar. Innovaciones Tecnolgicas en Redes Sociales Virtuales. Facultad de informtica, Universidad Pontificia de Salamanca , Campus de Madrid. [4] Hanneman, R. A. and M. Riddle (2005). Introduction to Social Network Methods.Riverside, CA: University of California, Riverside (published in digital form at http://www.faculty.ucr.edu/~hanneman/nettext/) [5] Redes Sociales en el punto de mira, Panda Security 2008. En: Boletines PandaLabs.Pcurity 200 http://www.pandasecurity.com/img/enc/Red_Soc_punto_mira.pdf [6] Gabriel Vlez Cuartas. La Teora de la Estructuracin para la Economa Basada en el Conocimiento: una propuesta metodolgica a partir del concepto de red social, Universidad de Antioquia, Facultad de Ciencias Sociales y Humanas, Medelln [7] S. Milgram. The small world problem. Psychology Today, 1:6167, 1967. [8] Saket Sathe. Six Degrees of Separation. June, 2008. http://lca2srv30.epfl.ch/sathe/data/six-degree.pdf [9] http://smallworld.columbia.edu/ [10] Charles Kadushin. Introduction to Social Network Theory, February 17, 2004 (published in digital form at http://home.earthlink.net/~ckadushin/Texts/Basic%20Network%20Concepts.pdf ) [11] http://www.orkut.com

57

Bibliografa [12] http://www.facebook.com [13] MySpace (2006a). Myspace.com a place for friends. Retrieved July 20, 2006 from: http://www.myspace.com/ [14] http://www.plaxo.com [15] http://www.xing.com [16] Eugene Barsky and Michelle Purdon. Introducing Web 2.0: social networking and social bookmarking for healt librarians, Publication: JCHLA/ JABSC Vol. 27,2006 [17] Attorney General. A Parents Guide to Social Networking Websites, LAWRENCE WASDEN, Boise, ID 83720-0010 ,NOVEMBER 2006 [18] David Fernndez Quijada. El anlisis de redes sociales aplicado al estudio de la estructura de las industrias culturales, Universidad Autnoma de Barcelona. [19] Romano, A. (2006, April 24). Walking a new beat: Surfing MySpace.com helps cops crack the case. Newsweek, 48. [20] Johnny Snyder, Don Carpenter, Gayla Jo Slauson. MySpace.com A Social Networking Site and Social Contract Theory, Department of Business CIS Mesa State College, Grand Junction, Colorado 81501. [21] Jennifer L. Behrens. About Facebook, Change at the social-networking juggernaut creates new opportunities for law library outreach, AALL Spectrum, April 2008. [22] MySpace, Facebook and Other Social Networking Sites: Hot Today, Gone Tomorrow?, Published: May 03, 2006, (http://knowledge.wharton.upenn.edu) [23] Publicacion #2, Redes Sociales, Mayo 2008, Enlace: http://www.proteccion.com.co/portal/secciones/PROTPORTAL/ HERRAMIIENTAS1/ RECURSOS/__html/descargas/Redes_sociales_2.pdf 58

Bibliografa

[24] Facebook API Developers Guide [25] Proyecto de Grado Plataforma para Red Social: Plan Ceibal,Redes Sociales, [26] Jan Porekar: Random Networks. Prof. Rudi Podgornik. Ljubljana (2002) [27] Maximino Aldana : Redes Complejas .Noviembre (2006 ) [28] Luis Sanz. Anlisis de redes sociales: o cmo representar las estructuras sociales subyacentes. Unidad de Polticas Comparadas (CSIC), Documento de Trabajo 03-07 [29] R. Albert and A.-L. Barabsi, "Statistical mechanics of complex networks", Reviews of Modern Physics, 74, pp. 47-97, 2002. (Preprint available online at http://citeseer.ist.psu.edu/442178.html or http://arxiv.org/abs/cond-mat/0106096) [30] D. J. Watts and S. H. Strogatz., Collective dynamics of 'small-world' networks, Nature Vol 393 (1998) 440-442 [31] B. Bollobas: Mathematical results on scale-free random graphs. January 16, 2003 [32] A. Barabsi, R Albert, Emerge of Scaling in Random Networks. Science, 1999. [33] Erds and Rnyi, On Random Graphs, 1959. [34] R Albert, H Jeong, AL Barabsi, The Internet's Achilles'hell: error and attack tolerance of complex networks. Nature, 2000. [35] Jorge Miceli, Sergio Guerrero1:Redes libres de escala y su uso en el anlisis de datos etnogrficos: el caso de la comunidad tehuelche del Chala [36] A. Barabsi, Eric Bonabeau: Scale-Free Networks. Ameri 288, 60-69 (2003)

59

Bibliografa [37] P. Holme and B. J. Kim :Growing scale-free networks with tunable clustering. Phys. Rev. E, 2002, volume: 65. [38] Luciano Garcia, Luis Perez, Luis Marti:Temas de Simulacion. Editorial: Felix Varela, La habana,2006. [39] Aric Hagberg, Dan Schult, y Pieter Swart. NetworkX: High productivity soft-ware for complex networks.https://networkx.lanl.gov. [40] Anita Valds Jahnsen. Modelo de anlisis para una red social, Departamento de Comunicacin Social,Concepcin, Chile. http://periodismoudec.cl/estudiosdeperiodismo/index.php? [41] Colectivo de Autores. WEB 2.0 Aplicaciones Didcticas, CDI de Educacion de Madrid. [42] Alan Terry. Exponential random graphs. Dissertation submitted for the MSc in Data Analysis, Networks, and Nonlinear Dynamics, Department of Mathematics, University of York, UK .

60