Identificación de Nodos Influyentes mediante Colonia de Hormigas

• Autores: Suarez Beltran, Elvis
• Año de publicación: 2022
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Monteserin, Ariel
• Materia: Influencers; Líderes; Redes sociales; Marketing viral; Credit Distribution; NP-Hard; Algoritmos Greed; Heurísticas; Ingeniería de sistemas; Liderazgo; Algoritmos; Toma de decisiones; Algoritmos hormiga
• Institución: Universidad Nacional del Centro de la Provincia de Buenos Aires

La elección de los usuarios influyentes es un factor clave para garantizar el éxito y conseguir los objetivos empresariales, dentro de la planificación de la estrategia comercial. Es necesario saber identificar aquellos influencers que por sus valores, estilo, se asemeja al negocio que se quiere que representen. En la actualidad, los influencers implican la traslación, la nueva versión de los líderes de opinión aplicado al medio online, aprovechando el enorme potencial demostrado por las redes sociales. Los influencers son personas que poseen cierta credibilidad sobre un tema concreto y que su presencia e influencia en las redes sociales hacen que se conviertan en un prescriptor idóneo. Nos encontramos ante el marketing de influencia, en el que se fusionan las redes sociales como espacios publicitarios con el recurso a los usuarios, como los líderes de opinión o los personajes famosos como prescriptores e influencers, a los que las marcas dirigen sus esfuerzos comunicativos. La idea detrás del marketing viral es que, al dirigirnos a un conjunto de usuarios influyentes de la red, podemos activar una reacción en cadena de la influencia impulsada por el boca a boca, de tal manera que con un costo de marketing muy pequeño podemos alcanzar una porción muy grande de la red mediante la selección de usuarios claves. Goyalen [2] desarrolla un nuevo modelo denominado Credit Distribution, construido sobre trazas de propagación reales que nos permite predecir directamente la dispersión de influencia de un conjuntos de nodos, sin necesidad de aprender probabilidades de borde o realizar simulaciones de Montecarlo. Proponen un enfoque diferente, tomando una perspectiva “ucéntrica” asignando “créditos” a los posibles influenciadores de un nodo u siempre que u realiza una acción. Mostraron también que la maximización de la influencia bajo este modelo es NP-Hard, y que, la función de propagación de la influencia es monótona y submodular. En consecuencia la implementación del algoritmo Greed y proporciona una aproximación de (1-1/e) a la solución óptima, aunque por sí mismo no garantiza eficiencia. Para permitir una mejora adicional en la calidad de las soluciones, la investigación en este campo en las últimas décadas ha centrado su atención en el diseño de técnicas de propósito general para guiarla construcción de soluciones o la búsqueda local en las distintas heurísticas. Estas técnicas se llaman comúnmente metaheurísticas y consisten en conceptos generales empleados para definir métodos heurísticos. Las metaheurísticas son métodos que emplean heurísticas para producir soluciones de mejor calidad. Estas están inspiradas en diversos campos como la genética, la biología, la física, etc. La metaheurística basada en colonia de hormigas (ACO) se desarrolló a partir de observar como ciertas especies de hormigas con capacidades visuales muy limitadas logran alcanzar su alimento realizando muy buenos recorridos. La idea general del algoritmo se basa en abstraer ese comportamiento y representarlo artificialmente. Por un lado, el sendero de las hormigas con un grafo, y por otro lado, las hormigas son agentes computacionales independientes unos de otros que construyen soluciones tomando decisiones en cada intersección. Cada hormiga representa una solución completa del problema.
Fil: Suarez Beltran, Elvis. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Monteserin, Ariel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.