A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics

Detalhes bibliográficos
Autor(a) principal: Salem, Feres Azevedo
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/251759
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.
id UFSC_ad3312fe572fda82fa7e95f53d99d4b4
oai_identifier_str oai:repositorio.ufsc.br:123456789/251759
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemicsEngenharia de sistemasEspalhamentoRedes complexasFake newsCOVID-19ProbabilidadesTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.Esta tese foi motivada por dois problemas relacionados aos processos de espalhamento: a desinformação sendo disseminada em Redes Sociais Online (OSNs) e as doenças infecciosas sendo transmitidas em uma população suscetível. O principal objetivo do presente trabalho é desenvolver um modelo para simular processos de espalhamento baseado em interações sociais e que permita abordar tanto a estrutura complexa das redes, como os comportamentos evolutivos dos agentes em um nível microscópico. Para tanto, é fornecido um modelo genérico para interações sociais assíncronas entre agentes, o qual é estendido tanto para a troca de informações como para os casos de transmissão de doenças. Um modelo de evolução da infecção é construído, dispondo de transições probabilísticas entre os estágios, permitindo o uso de dados do mundo real de forma direta. Esse modelo de troca de informações pode tratar conjuntos finitos de informações, diferentemente dos modelos da literatura de dinâmica de opinião. Também, neste último estudo de caso, outros fatores que impactam a disseminação são considerados, como a autoestima da pessoa e a confiabilidade da informação. Ambos os fatores são modelados como uma extensão do modelo anterior, porém, admitindo matrizes dinâmicas para as probabilidades das interações. Métricas para capturar informações relevantes sobre a estrutura de redes complexas grandes são estudadas, concluindo que a centralidade de autovetor está intimamente relacionada à velocidade de propagação e à probabilidade de uma determinada informação prevalecer sobre as demais no modelo proposto. Estruturas de rede estáticas e dinâmicas são construídas para representar cenários relevantes em ambos os estudos de caso, as quais são baseadas em modelos de redes complexas encontrados na literatura. Além disso, um algoritmo de clusterização é modificado para identificar comunidades em redes sociais. Este algoritmo alterado é capaz de evitar erros que foram identificados na utilização de algoritmos da literatura. Por fim, conhecer como se dá a divisão em comunidades de uma rede social, e alguma métrica de centralidade sobre os agentes, permite que políticas para controlar a disseminação de informações nas OSNs sejam propostas.Abstract: This thesis is motivated by two problems related to spreading processes: misinformation being disseminated in Online Social Networks (OSNs), and infectious diseases being transmitted in a susceptible population. The main objective of the present work is developing a model for simulating spreading processes based on social interactions, which address both the networks' complex structure and the evolving behaviors of the agents on a microscopic level. To this purpose, we provide a generic model for asynchronous social interactions between agents, which is extended for both the information exchange and the disease transmission cases. We build a model for infection evolution with probabilistic transitions between stages, allowing the usage of real-world data in a straightforward way. Our information exchange model can handle finite sets of information, differently from the models in the opinion dynamics literature. Also, in this last case study, we considered other factors that impact the spreading, like the person's self-esteem and the information's reliability. We model both factors as an extension from the previous one, by admitting dynamic matrices for the interactions' probabilities. We study metrics for capturing relevant information on the structure of large and complex networks, concluding that eigenvector centrality is intimately related to the spreading speed and the probability of a given information prevailing over the others in our model. We construct static and dynamic network structures representing meaningful scenarios for both case studies, which rely on complex network models from the literature. Further, we present the modification for a clustering algorithm to identify communities in social networks. This amended algorithm can avoid errors in the clustering that we have identified while using algorithms from the literature. Finally, we show that knowing how a social network is divided into communities, and some centrality metrics about the agents, enable us for proposing policies to control the spreading of information in OSNs.Moreno, Ubirajara FrancoUniversidade Federal de Santa CatarinaSalem, Feres Azevedo2023-11-01T23:27:51Z2023-11-01T23:27:51Z2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis135 p.| il., gráfs.application/pdf384501https://repositorio.ufsc.br/handle/123456789/251759engreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2023-11-01T23:27:51Zoai:repositorio.ufsc.br:123456789/251759Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-11-01T23:27:51Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
title A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
spellingShingle A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
Salem, Feres Azevedo
Engenharia de sistemas
Espalhamento
Redes complexas
Fake news
COVID-19
Probabilidades
title_short A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
title_full A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
title_fullStr A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
title_full_unstemmed A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
title_sort A model for simulating spreading processes based on social interactions in complex networks: case studies on online social networks and epidemics
author Salem, Feres Azevedo
author_facet Salem, Feres Azevedo
author_role author
dc.contributor.none.fl_str_mv Moreno, Ubirajara Franco
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Salem, Feres Azevedo
dc.subject.por.fl_str_mv Engenharia de sistemas
Espalhamento
Redes complexas
Fake news
COVID-19
Probabilidades
topic Engenharia de sistemas
Espalhamento
Redes complexas
Fake news
COVID-19
Probabilidades
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-11-01T23:27:51Z
2023-11-01T23:27:51Z
2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 384501
https://repositorio.ufsc.br/handle/123456789/251759
identifier_str_mv 384501
url https://repositorio.ufsc.br/handle/123456789/251759
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 135 p.| il., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652099005710336

Registros relacionados