SciELO - Scientific Electronic Library Online

 
vol.16 número3Aplicación de un método para apoyar el análisis de resultados de investigación índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Artigo

Indicadores

  • Não possue artigos citadosCitado por SciELO

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista Cubana de Ciencias Informáticas

versão On-line ISSN 2227-1899

Resumo

DIAZ MATOS, Armando  e  GRASS BOADA, Darian Horacio. Herramienta para el ca´lculo de la centralidad en redes multicapas. RCCI [online]. 2022, vol.16, n.3, pp. 1-17.  Epub 01-Set-2022. ISSN 2227-1899.

El ana´lisis de la relevancia de las entidades que conforman una red es una tarea que permite analizar, com- prender y hasta predecir el futuro de los miembros de la red as´ı como el flujo y alcance de la informacio´n. En las redes donde existen varios tipos de relaciones entre sus entidades se denominan redes multicapas, ejemplo de ellas son las redes sociales donde usuarios conectan con distintos tipos de parentescos ya sean familiares, laborales o etc. En este tipo de redes, el ca´lculo de la relevancia o centralidad de las entidades es una tarea re- tadora debido a las mu´ltiples forma de analizar este concepto y al costo computacional que acarrea su ca´lculo en redes de grandes dimensiones.

En este trabajo se presenta una herramienta para el ca´lculo de las medidas de centralidad en redes multicapas. Para su elaboracio´n se empleo´ el lenguaje Scala y el framework Spark, con el propo´sito de calcular de forma paralela y distribuida las diferentes me´tricas de centralidad. En el ana´lisis de la relevancia se consideran los diferentes niveles sema´nticos determinados por una seleccio´n de los tipos de aristas, as´ı como su mezcla. Los experimentos realizados alcanzaron niveles de aceleracio´n de hasta 28.65 y 25.48 veces para la medida de Cercan´ıa e Intermediacio´n respectivamente. De igual forma, pero en menor medida, la me´trica de Vector Propio acelero´ 6.91 veces. Los resultados demuestran que las medidas de centralidad implementadas escalan tanto vertical como horizontalmente.

Palavras-chave : Redes Multicapas; Medidas de Centralidad; Spark Framework.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )