PREDICCIÓN DE AFINIDAD E INTERACCIÓN ENTRE USUARIOS EN REDES SOCIALES EN LÍNEA

Abstract

La predicción de enlaces es el problema de inferir la existencia de un enlance entre un par de nodos en un grafo en el futuro cercano. Para llevar a cabo esta tarea es común usar información provista por los nodos y aristas observados, ante lo cual se pueden crear distintos métodos de puntuación de enlaces. Usualmente, estos métodos evalúan estructuras locales del grafo observado, asumiendo que nodos que están más cercanos en el período de observación, tendrán mayor posibilidad de generar un enlace en el futuro. En esta tesis se diseñan y evalúan algoritmos de recomendación de usuarios que puedan ser de interés a un usuario dado, lo que se denomina recomendación P2P en redes sociales en línea. Los algoritmos se basarán en la caracterización de las diferencias entre niveles de actividad de usuarios. El supuesto de esta tesis es que el nivel de interacción real entre dos usuarios se relaciona con los patrones de actividad que ambos usuarios han tenido en el pasado y por tanto, a partir de estos patrones es posible generalizar y pronosticar el éxito o fracaso de una recomendación P2P.