1. Redes Sociales
Fernando Tricas Garc´
ıa
Dpto. de Inform´tica e Ingenier´ de Sistemas. Centro Polit´cnico Superior.
a ıa e
Universidad de Zaragoza, Espa˜a
n
http://www.cps.unizar.es/~ftricas/
http://fernand0.blogalia.com/
http://twitter.com/fernand0
Almu˜´car, 29 de julio de 2010
ne
2. Un ´
ındice
Algunas ideas
Algunos ejemplos
Aplicaciones del mundo ‘real’
15. Pero . . . ¿c´mo son las redes?
o
Redes aleatorias
‘Se pintan unos cuantos nodos, se a˜aden enlaces entre ellos y
n
...’
1. Cada nodo puede enlazarse con cualquier otro con la misma
probabilidad
(El mundo no es as´ casi nunca)
ı
16. Pero . . . ¿c´mo son las redes?
o
Redes complejas
Normalmente
La cola larga
Coeficiente de ‘clustering’ alto (acoplamiento)
Estructura de comunidad a diferentes escalas (jerarqu´
ıa)
(Casi todas las relaciones interesantes)
Dos tipos interesantes
1. Mundo peque˜o (¿pa˜uelo?)
n n
2. Libres de escala
17. Pero . . . ¿c´mo son las redes?
o
Redes complejas
Normalmente
La cola larga
Coeficiente de ‘clustering’ alto (acoplamiento)
Estructura de comunidad a diferentes escalas (jerarqu´
ıa)
(Casi todas las relaciones interesantes)
Dos tipos interesantes
1. Mundo peque˜o (¿pa˜uelo?)
n n
2. Libres de escala
Vayamos m´s despacio
a
18. La cola larga. Estamos acostumbrados a ver el mundo asi
...
19. Redes complejas. Algunas caracter´
ısticas
La cola larga. La venganza de los humildes
Bit´coras con m´s enlaces
a a
20. Redes complejas. Algunas caracter´
ısticas
La cola larga. La venganza de los humildes
Suscriptores de la listas de correo Yahoo!
2003. Clay Shirky, “Power Laws, Weblogs, and Inequality”
http://www.shirky.com/writings/powerlaw_weblog.html
21. Redes complejas. Algunas caracter´
ısticas
La cola larga. La venganza de los humildes
Amigos en LiveJournal
22. La cola larga
¿C´mo?
o
Hay unos pocos que tienen mucho
Pero, a veces, si se juntan los que tienen menos, tienen m´s
a
23. La cola larga
¿C´mo?
o
Hay unos pocos que tienen mucho
Pero, a veces, si se juntan los que tienen menos, tienen m´s
a
Efecto Mateo
“Al que m´s tiene m´s se le dar´, y al que menos tiene, se le
a a a
quitar´ para d´rselo al que m´s tiene.”
a a a
24. Redes Complejas. Algunas caracter´
ısticas
Coeficiente de ‘clustering’ alto (acomplamiento)
N´mero de arcos / N´mero de posibles arcos
u u
Normalmente, m´s alto de lo que se podr´ esperar
a ıa
(empaquetamiento, comunidades, . . . )
25. Redes Complejas. Algunas caracter´
ısticas
Estructura de comunidad a diferentes escalas
2003. F. Tricas, JJ. Merelo, VR. Ru´ “Do we live in a Small
ız,
World? Measuring the Spanish-speaking blogosphere”
26. Relaciones en internet
http://www.deugarte.com/la-topologia-de-la-blogsfera-segun-feevy
(David de Ugarte)
27. Relaciones en el ‘mundo real’
http://arxiv.org/abs/physics/0610104
Structure and tie strengths in mobile communication networks. Authors: J.-P.
Onnela, J. Saramaki, J. Hyvonen, G. Szabo, D. Lazer, K. Kaski, J. Kertesz,
A.-L. Barabasi
http://www.flickr.com/photos/pietermorlion/2127296477/
http://www.flickr.com/photos/anaypacosancho/2357581936/
28. Dos tipos de redes complejas
Redes mundo peque˜o (pa˜uelo)
n n
Muchos nodos no son vecinos entre s´
ı.
Sin embargo ...
El di´metro de la red es peque˜o (se puede llegar de un nodo
a n
a otro pasando por unos pocos).
Muchas redes son as´
ı
Incluso aleatorias
29. Redes mundo peque˜o
n
El experimento de Milgram
Podemos alcanzar a cualquier persona en el mundo mediante
contactos cercanos. En USA, en 1967, la separaci´n era de seis.
o
Se enviaron cartas por personas elegidas aleatoriamente,
residentes en Wichita y Omaha.
La carta conten´ un resumen del estudio, una foto y el nombre y
ıa
la direcci´n de la persona a la que iba destinada:
o
1. A˜ada su nombre a la lista de abajo
n
2. Separe una postal. Rell´nela y enviela a la Universidad de
e
Harvard
3. Si conoce a la persona (personalmente) env´ la postal.
ıele
4. Si no la conoce personalmente, env´
ıesela a alg´n conocido
u
personal suyo que ud. crea que puede hacer que le llegue.
30. El experimento de Milgram
Los resultados
S´lo llegaron el 29 % de las cartas enviadas (42 de 169)
o
De las que llegaron: la mediana de personas intermedias era 5.5
31. El experimento de Milgram
Los resultados
S´lo llegaron el 29 % de las cartas enviadas (42 de 169)
o
De las que llegaron: la mediana de personas intermedias era 5.5
En internet
En la web se hicieron estudios en el 1999, llegando a la conclusi´n
o
de que entre cualquier par de documentos en la red habr´ un
ıa
di´metro de 18.59 (19 grados de separaci´n).
a o
Albert, Barabasi.
32. Bastante popularidad
El n´mero de Bacon refleja distancia entre
u
actores, basados en pel´
ıculas en las que ambos
han participado
KB Number # of People
23/04/2009 2006
0 1 1
1 2349 1913
2 223940 162819
3 666941 460113
4 153220 110419
5 9662 7994
6 877 777
7 134 78
8 15 14
33. M´s estrellas que en el cielo
a
http://oracleofbacon.org/
Alfredo Landa, 3
34. M´s estrellas que en el cielo
a
http://oracleofbacon.org/
Alfredo Landa, 3
Antonio Banderas, 2
Gonzalo de Castro, 3
35. M´s estrellas que en el cielo
a
En todo caso . . .
Hay 506 (1048) actores mejor conectados que Kevin Bacon
La media del n´mero de Bacon es de 2’950 (2’946)
u
El actor mejor conectado es Dennis Hopper (2.743404) y el
segundo Harvey Keitel (2.770643)
En 2006: Rod Steiger, con 2’678695 (ahora el 7), Christopher Lee,
con 2’684104 (ahora el 11)
36. Redes mundo peque˜o. Algunas caracter´
n ısticas
Cuando se a˜aden nodos, su di´metro crece poco
n a
(logar´
ıtmicamente)
Canalizaci´n (unos pocos nodos terminan siendo el camino
o
para la mayor´ de los dem´s)
ıa a
Existencia de ‘cliques’ y subgrafos que casi lo son.
37. Redes que no son mundo peque˜o
n
¿Se cumplen los seis grados de separaci´n con personas no
o
contempor´neas?
a
Yo fui al colegio con ...
38. Redes libres de escala
Cuando la distribuci´n del grado de los nodos (n´mero de
o u
conexiones con otros) sigue una ley de potencias.
Suelen tener conectores centrales, muy conectados
Fallos de nodos aleatorios tienen pocas consecuencias en la
conectividad global
Son cr´ıticas frente a ataques deliberados (si se conoce la
estructura)
42. Los modelos
Redes aleatorias (Erd¨s-Renyi)
o
Suele haber una componente grande que agrupa a la mayor´
ıa
(cuando se alcanza un n´mero suficiente de enlaces)
u
Fen´menos de percolaci´n (componentes peque˜os se van
o o n
sumando a la mayor)
43. Los modelos
Algunos lazos lejanos (Watts, Strogatz)
Normalmente nos relacionamos con nuestros vecinos pr´ximos
o
Adem´s, tenemos unos pocos lazos ‘lejanos’, que hacen reducir
a
mucho el di´metro de la red total.
a
44. Los modelos
Crecimiento
Enlazado preferencial (Albert-Barabasi)
Los mejores nodos alcanzan mas enlaces (notoriedad,
antiguedad, . . . )
45. M´s colas largas
a
Recuerden . . .
A veces, muchos pocos valen mas que pocos muchos.
¿De qu´ depende?
e
Exponente de la ley de potencias: y = C · x −α
α < 1 →: los primeros nodos acumulan s´lo un porcentaje
o
peque˜o del valor
n
En los dem´s casos, la cola larga existe, pero no tiene ‘peso’
a
46. Medidas interesantes
Hemos hablado de la distancia y de coeficiente de ‘clustering’
Centralidad (‘betweenness’, inevitabilidad)
Es la proporci´n de geod´sicas que pasan por un nodo
o e
En personas, a veces se asocia con popularidad
En transportes, con flujo e inevitabilidad
47. Pero . . . ¿qu´ necesito?
e
Estar cerca de la ‘mayor´ de la red
ıa’
Cercan´ (‘closeness centrality’), distancia media de un nodo a
ıa
todos los dem´s de la red.
a
48. Pero . . . ¿qu´ necesito?
e
Estar cerca de la ‘mayor´ de la red
ıa’
Cercan´ (‘closeness centrality’), distancia media de un nodo a
ıa
todos los dem´s de la red.
a
Hay otras . . .
‘Degree centrality’ (el que tiene m´s cercanos)
a
49. Hay otras formas de verlo
En grafos dirigidos:
Hubs, de los que salen muchas conexiones
‘todo lo que debes conocer’
Autoridades, que reciben muchas conexiones
‘¿D´nde va Vicente . . . ?’
o
Naturalmente, pueden coincidir, y entonces hablamos de
conectores (influyentes, influenciadores, . . . )
50. Detecci´n de comunidades
o
Si dos nodos interact´an, probablemente es porque tienen
u
alg´n tipo de relaci´n.
u o
Las relaciones no siempre son transitivas, pero ayudan a
entender mejor lo que vemos (modas, tendencias, estados de
opini´n, . . . ).
o
Tambi´n nos pueden dar pistas de por d´nde ir.
e o
51. En todo caso . . . ¿qu´ es una comunidad?
e
Comunidad de vecinos
Comunidad de hispanohablantes
Comunidad de los miembros del curso
52. En todo caso . . . ¿qu´ es una comunidad?
e
Comunidad de vecinos
Comunidad de hispanohablantes
Comunidad de los miembros del curso
¿Y en internet?
53. Comunidades impl´
ıcitas
Principalmente basadas en enlaces (relaciones)
Cliques grupos de nodos que se enlazan m´s entre si que con
a
el resto
Comunidades de Newman–Girvan Definidas por lo que las
separa (nodos de centralidad alta).
54. La vista es la que trabaja
Existen programas para ayudarnos:
Pajek (Windows) http://pajek.imfm.si/
Netdraw (Windows)
http://www.analytictech.com/netdraw/netdraw.htm
Visone (Java) http://www.visone.info/
SocNetV (Linux) http://socnetv.sourceforge.net/
Gephi (Multi) http://gephi.org/
55. ¿Cu´l es el problema con la visualizaci´n?
a o
Se proyectan relaciones complejas en dos dimensiones
Adem´s, la distribuci´n (gr´fica) de los nodos es importante
a o a
56. Self Organizing Maps de Kohonen
T´cnicas de redes neuronales
e
Un conjunto de vectores que representan varias caracter´
ısticas
Desarrollado para separar y categorizar documentos de textos
de acuerdo a caracter´
ısticas comunes
El resultado es un mapa donde los nodos relacionados
aparecen pr´ximos
o
57. Un experimento
Bit´coras alojadas en Blogalia
a
162 bit´coras que enlazan o son enlazadas por otras
a
Historias publicadas hasta septiembre de 2003
58. ¿Qu´ es una bit´cora?
e a
Historias en orden
cronol´gico inverso.
o
Comentarios.
Formatos alternativos
(Rich Site Summary,
RSS).
M´s cosas: encuestas,
a
blogroll, m´sica,
u
libros, ...
Crecimiento
exponencial
59. ¿Qu´ busc´bamos?
e a
Enlaces
11000 historias
17000 enlaces
4000 enlaces internos
Columnas: enlaces salientes
Filas: enlaces entrantes
62. S´lo es una fotograf´
o ıa
El tiempo hace cambiar las
cosas
63. El tiempo . . .
Idea:
Ir tomando ‘fotograf´ y ver la evoluci´n
ıas’ o
De nuevo, blogalia
162 bit´coras
a
S´lo el contenido
o
5 grupos de datos (cada 4 meses, acumulativo)
69. Lo pen´ltimo
u
Parece que. . .
El ultimo fen´meno de internet es tratar de hacer expl´
´ o ıcitas las
relaciones sociales mediante sistemas orientados a gestionar
nuestras relaciones.
De forma expl´
ıcita (Mis amigos son . . . )
De forma impl´
ıcita (Me gusta lo que hace . . . )
Vamos a hablar un poco de estas herramientas. . .
70. Sitios de redes sociales
http://www.orkut.com/ http://www.ryze.com/
http://www.facebook.com/ http://www.linkedin.com/
71. Sitios de redes sociales
http://www.tuenti.com/ http://www.xing.com/
74. Hacer expl´
ıcitas las relaciones
Amigos
‘Amigos’
Amigos de amigos
Amigos de ‘amigos’
‘Amigos’ de ‘amigos’
Los (amigos) de mis (amigos) son mis (amigos)
75. Adem´s. Crear grupos y ‘eventos’
a
Sobre temas que nos interesan
Se pueden enviar mensajes al grupo
76. Adem´s. Crear grupos y ‘eventos’
a
Sobre temas que nos interesan
Se pueden enviar mensajes al grupo
Desarrollaremos una actividad, tal d´ a tal hora, en tal
ıa,
lugar...
Se puede invitar a otros (con respuesta).
77. Xing, Linkedin
Orientaci´n profesional (curr´
o ıculum, contacto,
recomendaciones de personas, ...)
Contactos pasados, pero tambi´n ‘posibles futuros’
e
Qu´ hemos hecho, qu´ sabemos hacer, d´nde hemos estado
e e o
(profesionalmente).
Hay grupos (participar o crearlos puede darnos visibilidad)
Tambi´n ‘eventos’ e invitaciones.
e
Relaciones de relaciones (a veces es mejor contactar con
alguien a trav´s de un tercero).
e
78. Avisos
Que lo vean s´lo nuestros amigos
o
... pero asumir que puede que lo vea cualquiera.
Cuidado con las aplicaciones (en facebook).
Cuidado con lo que no entendamos bien.
Podemos buscar amigos (mejor amigos ‘de verdad’)
Gesti´n desde el principio (listas ...)
o
Es mejor poner fotos reconocibles
Actualizar el ‘status’
Se pueden poner enlaces, v´
ıdeos, fotograf´ frases, ...
ıas,
Y etiquetar a la gente...
Comentar lo que hacen otros y decir lo que nos gusta (como
los ‘toques’ del m´vil?).
o
Mantener el contacto, pero no ‘abusar’
79. ¿Contactar por contactar?
Varias dimensiones
Diferentes formas de interactuar
Incluso la misma persona, para diferentes cosas. . .
80. Sitios con caracter´
ısticas sociales
Flickr http://www.flickr.com/
Como un fotolog
Pero adem´s...
a
Gesti´n de contactos (contactos, amigos, familiares)
o
Notas, Tags (volveremos sobre esto)
API
86. Del.icio.us
Compartir enlaces
Etiquetas (tags)
Con RSS (claro)
‘Topes’ de popularidad
API
http://del.icio.us/doc/api
87. Muchas formas de . . .
Todo el mundo: http://del.icio.us/
Alguien: http://del.icio.us/DoctorZoidberg
Mucha gente: http://del.icio.us/popular/
¿Qui´n mas?
e
88. Muchas formas de . . .
Temas: http://del.icio.us/tag/internet
O mas: http://del.icio.us/tag/internet+blogs
Temas de inter´s http://del.icio.us/inbox/rvr
e
Mira este enlace! (Etiqueta for:)
89. M´s
a
Citas bibliogr´ficas
a
CiteULike http://www.citeulike.org/
Connotea http://www.connotea.org/
Universitarios
Academia.edu http://www.academia.edu
90. Localizaci´n
o
Foursquare http://www.foursquare.com/
92. Por ejemplo, en Twitter
Lo que dicen de s´ mismas las personas (Bio)
ı
93. Por ejemplo, en Twitter
Lo que dicen de s´ mismas las personas (Bio) ‘Tuiteros’
ı
geolocalizados (A. Rivero) + Zaragozanos (J.A. Biel)
94. Ejemplo. Flickr
Estudio sobre los turistas en las Islas Canarias (con V´
ıctor R. Ru´
ız
http://linotipo.es).
Descargar meta-informaci´n de las fotograf´ realizadas entre
o ıas
2004 y 2008
Y los datos del perfil de los usuarios
Resultados:
150.000 im´genes
a
4.000 fot´grafos
o
Y sus datos (en algunos casos, geolocalizados)
217.000 etiquetas
34.000 diferentes
media 14 etiquetas por foto
mediana 8 etiquetas por foto
http://rvr.linotipo.es/2009/10/
redes-sociales-y-turismo-flickr-y-canarias.html
96. Propagaci´n de Informaci´n. El meme de enjut@
o o
mojamut@
http://vimeo.com/9532646
http://www.barriblog.com/wiki/index.php/Resultados_enjuta_mojamuta
99. Las cosas y la red
http://www.dailymail.co.uk/sciencetech/article-1036931/
Bluetooth-Big-Brother-uses-mobiles-laptops-track-thousands-Britons.
html
http:
//www.technovelgy.com/ct/Science-Fiction-News.asp?NewsNum=1781
100. Las cosas y la red y nosotros
Mezclando informaci´n
o
Vassilis Kostakos y Panos A. Kostakos, “Intelligence gathering by capturing the
social processes within prisons”
“How Bluetooth Surveillance Works”
http://electronics.howstuffworks.com/bluetooth-surveillance.htm/
printable
101. Las cosas y la red y nosotros
Pronto, en su tienda m´s cercana
a
http://p10.hostingprod.com/@spyblog.org.uk/blog/2008/05/
path-intelligence-phorm-for-shopping-centres.html
“Shops track customers via mobile phone”
http://technology.timesonline.co.uk/tol/news/tech_and_web/
article3945496.ece
Path Intelligence FootPath(TM) // http://www.pathintelligence.com/
103. Pachube en Huesca y Zaragoza
http://www.pachube.com/feeds/6289
http://www.flickr.com/photos/min0n/4389892262
104. Los programas
J.M. Gonz´lez-Barahona, G. Robles, M. Mirchlmayr, JJ. Amor,
a
D.M German, “Macro-level software evolution: a case study of a
large software compilation”
105. La Wikipedia
Felipe Ortega “Wikipedia: A quantitative analysis.Evoluci´n del
o
n´mero de autores en las 10 Wikipedias mayores. N´mero de
u u
autores en el ‘core’ (10 % m´s activos).
a