ALGORITMOS ESCALABLES DE APRENDIZAJE COMPUTACIONAL: MAS ALLA DE LA CLASIFICACION Y LA REGRESION
TIN2015-65069-C2-1-R
•
Nombre agencia financiadora Ministerio de Economía y Competitividad
Acrónimo agencia financiadora MINECO
Programa Programa Estatal de I+D+I Orientada a los Retos de la Sociedad
Subprograma Todos los retos
Convocatoria Proyectos de I+D+I dentro del Programa Estatal Retos de la Sociedad (2015)
Año convocatoria 2015
Unidad de gestión Dirección General de Investigación Científica y Técnica
Centro beneficiario UNIVERSIDADE DA CORUÑA (UDC) / UNIVERSIDAD DE A CORUÑA (UDC)
Centro realización DPTO. COMPUTACION
Identificador persistente http://dx.doi.org/10.13039/501100003329
Publicaciones
Resultados totales (Incluyendo duplicados): 2
Encontrada(s) 1 página(s)
Encontrada(s) 1 página(s)
Análisis de redes sociales basado en las conquistas de César Borgia
Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
- Fumanal Idocin, Javier
- Cordón, Óscar
- Alonso Betanzos, Amparo
- Bustince Sola, Humberto
- Fernández Fernández, Francisco Javier
En este trabajo presentamos el modelado de redes
sociales y detección de comunidades utilizando como base un evento histórico real, las conquistas de César Borgia en el siglo XV. Para ello, proponemos un nuevo conjunto de funciones, llamadas funciones de afinidad, disenadas para capturar la 'naturaleza de las interacciones locales entre cada par de actores
en una red. Utilizando estas funciones, desarrollamos un nuevo algoritmo de detección de comunidades, el Borgia Clustering, donde las comunidades surgen naturalmente de un proceso de simulación de interacción de múltiples agentes en la red. También discutimos los efectos del tamaño y la escala de cada
comunidad, y como pueden ser tomadas en cuenta en el proceso de simulación. Finalmente, comparamos nuestra detección de comunidades con otros algoritmos representativos, encontrando
resultados favorables a nuestra propuesta., El trabajo de Javier Fumanal Idocin y Humberto Bustince
ha sido financiado por el proyecto PID2019-108392GB-I00
(AEI/10.13039/ 501100011033).
El trabajo de Oscar Cordón ha sido financiado por el
Gobierno de España, EXASOCO (PGC2018-101216-B-I00),
incluyendo fondos de desarrollo regional europeo (ERDF). La investigación de Amparo Alonso Betanzos ha sido
parcialmente financiado por el Ministerio de Economía y
Competitividad de España (TIN2015-65069-C2-1-R), por los
fondos europeos FEDER y por la Consellería de Industria de
la Xunta de Galicia (GRC2014 /035).
El trabajo de María Minárová ha sido financiado por los
proyectos APVV-17-0066, and APVV-18-0052.
sociales y detección de comunidades utilizando como base un evento histórico real, las conquistas de César Borgia en el siglo XV. Para ello, proponemos un nuevo conjunto de funciones, llamadas funciones de afinidad, disenadas para capturar la 'naturaleza de las interacciones locales entre cada par de actores
en una red. Utilizando estas funciones, desarrollamos un nuevo algoritmo de detección de comunidades, el Borgia Clustering, donde las comunidades surgen naturalmente de un proceso de simulación de interacción de múltiples agentes en la red. También discutimos los efectos del tamaño y la escala de cada
comunidad, y como pueden ser tomadas en cuenta en el proceso de simulación. Finalmente, comparamos nuestra detección de comunidades con otros algoritmos representativos, encontrando
resultados favorables a nuestra propuesta., El trabajo de Javier Fumanal Idocin y Humberto Bustince
ha sido financiado por el proyecto PID2019-108392GB-I00
(AEI/10.13039/ 501100011033).
El trabajo de Oscar Cordón ha sido financiado por el
Gobierno de España, EXASOCO (PGC2018-101216-B-I00),
incluyendo fondos de desarrollo regional europeo (ERDF). La investigación de Amparo Alonso Betanzos ha sido
parcialmente financiado por el Ministerio de Economía y
Competitividad de España (TIN2015-65069-C2-1-R), por los
fondos europeos FEDER y por la Consellería de Industria de
la Xunta de Galicia (GRC2014 /035).
El trabajo de María Minárová ha sido financiado por los
proyectos APVV-17-0066, and APVV-18-0052.
Community detection and social network analysis based on the Italian wars of the 15th century
Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
- Fumanal Idocin, Javier
- Alonso Betanzos, Amparo
- Cordón, Óscar
- Bustince Sola, Humberto
- Minárová, María
In this contribution we study social network modelling by using human interaction as a basis. To do so, we propose a new set of functions, affinities, designed to capture the nature of the local interactions among each pair of actors in a network. By using these functions, we develop a new community detection algorithm, the Borgia Clustering, where communities naturally arise from the multi-agent interaction in the network. We also discuss the effects of size and scale for communities regarding this case, as well as how we cope with the additional complexity present when big communities arise. Finally, we compare our community detection solution with other representative algorithms, finding favourable results., Javier Fumanal Idocin’s and Humberto Bustince’s research has been supported by the project TIN2016-77356-P (AEI/FEDER,UE).Oscar Cordón’s research was supported by the Spanish Ministry of Science, Innovation and Universities under grant EX-ASOCO (PGC2018-101216-B-I00), including, European Regional Development Funds (ERDF). Amparo Alonso-Betanzos’ research has been financially supported in part by the Spanish Ministerio de Economía y Competitividad (research project TIN2015-65069-C2-1-R), by European Union FEDER funds and by the Consellería de Industria of the Xunta de Galicia, Spain (research project GRC2014 /035). M. Minárová’s research has been funded by the project work was supported by the project APVV-17-0066.