Difusión de la información en grafos: dependencias de la estructura

Este trabajo de Fin de Grado ha tenido como objetivo analizar la velocidad de difusión de la información y de la formación de opiniones en las redes sociales y el papel que juega su estructura en este proceso. Para la representación de las redes se han utilizado grafos aleatorios empleando tanto el modelo de Barabási como el de Leskovec para su generación. En lo referente a la difusión de información se ha aplicado el modelo de contacto aleatorio consistente en que en cada iteración cada nodo contacta uno de sus vecinos elegido al azar y, si este vecino contiene la información, el nodo también la consigue. Para replicar este proceso de difusión se han empleado las variables β y δ, que representan la probabilidad de que una noticia se difunda y se olvide respectivamente. En cuanto a la formación de opiniones, se han considerado los modelos SI (Susceptible-Infected) y SIS (Susceptible-Infected- Susceptible) derivados del estudio de la propagación de infecciones, así como el modelo de difusión de desinformación que emplea el fact checking para la verificación de la veracidad de la información. Con el fin de entender qué características ralentizan el tiempo de propagación, de forma equivalente a contener la difusión de información en la red, se ha examinado la repercusión que supone realizar ciertas modificaciones sobre las características estructurales de estos grafos. Dado que la identificación del conjunto de usuarios con tal impacto ha resultado un problema NP completo en estudios similares, se ha empleado una heurística aproximada que elige aquellos nodos con mayor clustering y grado como los más influyentes. En concreto se ha observado la variación que implica la eliminación de los nodos con mayor coeficiente de clustering y mayor grado sobre la velocidad de la difusión. Esta velocidad ha resultado dependiente en gran medida de estas características estructurales, en especial de aquellos nodos con mayor grado, ya que estos cuentan con una probabilidad de infección potencial mayor al tener más vecinos, por lo que si se les elimina del proceso de propagación el tiempo necesario para alcanzar N infectados aumenta de forma significativa. Esta variación se ha manifestado de forma más pronunciada en el modelo de Leskovec ya que este genera grafos cuyos nodos tienen grados sustancialmente más altos que el modelo de Barabási. Este estudio se puede extrapolar a la contención de noticias falsas en las redes sociales, ya que al identificar a los usuarios con más influencia en la difusión de estas noticias, se puede controlar su propagación por la red aplicando diferentes medidas de fact checking que reconozcan esta información como falsa y regulen su retransmisión, en especial por parte de aquellos usuarios que por su cantidad de conexiones presentan más influencia como se ha mostrado en este estudio. Sin embargo, la implantación de medidas de este tipo se debe estudiar cuidadosamente debido a la posibilidad de interferir con la libertad de expresión de los usuarios en las redes