211service.com
El software identifica camarillas sociales que ni siquiera sabías que tenías
Dirigido por ingenieros de la investigación de Microsoft, un equipo de científicos informáticos ha ideado lo que puede ser el método más preciso para identificar las camarillas sociales dentro de las redes sociales.
Comunidades dentro de una manada de 64 delfines
Su software (pdf) utiliza un enfoque totalmente novedoso basado en la teoría de juegos, en el que cada miembro de una red social es tratado como un actor racional que intenta maximizar su propia utilidad frente a los beneficios y costos de mantener la membresía en camarillas sociales. (Para aquellos de ustedes que están realmente interesados en estas cosas, encontraron el equilibrio de Nash para el cálculo de costo / beneficio de cada individuo).
Es bien sabido que los seres humanos obtienen muchos beneficios de pertenecer a una comunidad, pero mantener esos vínculos es costoso en términos de tiempo u otros recursos, por ejemplo, cuando una comunidad profesional tiene una cuota de membresía.
Este trabajo podría ayudar a los estudios de desarrollo urbano, redes criminales, marketing y muchas otras áreas de investigación habilitadas por los datos disponibles en las redes sociales en línea como Facebook y Twitter.
Curiosamente, dos de los conjuntos de datos en los que los investigadores probaron su trabajo, que aparentemente son estándar para este tipo de investigación, fueron datos recopilados por antropólogos sobre un Academia de karate y datos recopilados por biólogos marinos sobre un manada de 64 delfines . Al aplicar su enfoque de teoría de juegos a ambas redes, pudieron resolver camarillas que otros enfoques pasaron por alto por completo.
Comunidades en el club de kárate de Zachary
En un mundo donde los límites de las camarillas pueden ser tan difusos que incluso los individuos dentro de ellos podrían no reconocer que pertenecen a un grupo, este trabajo podría algún día ayudarnos a hacer explícitos los paisajes sociales en los que participamos. Cualquiera que haya tenido la experiencia de darse cuenta de que dos amigos que no conocía también eran amigos entre sí, ha experimentado el equivalente en el mundo real de los frutos de este algoritmo de resolución de pandillas.
Con la ayuda de Zhenming Liu de Harvard y Xiaorui Sun de la Universidad Jiao Tong de Shanghai, Wei Chen y Yajun Wang de Microsoft también aplicó con éxito el algoritmo a un problema común en las citas académicas: averiguar quién es quién entre los muchos investigadores chinos cuyos nombres se escriben igual cuando romanizado . Por ejemplo, hay más de 20 personas nombradas Wei Chen en el Bibliografía de informática DBLP . (No es coincidencia que uno de ellos sea autor de este artículo).
Utilizando un mapa de 20.000 nodos de la bibliografía, donde cada nodo es una persona, descubrieron todas las comunidades a las que pertenecían los autores con ese nombre. Sabiendo lo poco probable que es que dos Wei Chens pertenezcan exactamente al mismo grupo de camarillas, pudieron eliminar la ambigüedad de los distintos Wei Chens en el DBLP.
Sigue a Mims en Twitter o contáctalo por correo electrónico .