Desvelando la influencia en redes: una nueva métrica de centralidad y análisis comparativo a través de modelos basados en grafos

Identificar actores influyentes dentro de redes sociales es fundamental para optimizar el flujo de información y mitigar la propagación tanto de rumores como de enfermedades. Han surgido varios métodos para señalar estas entidades influyentes en redes que se representan como grafos. En estos grafos, los nodos corresponden a individuos y las aristas indican sus conexiones. Este estudio se centra en medidas de centralidad, valoradas por su simplicidad y efectividad. Clasificamos la centralidad estructural en dos: local, considerando la vecindad inmediata de un nodo, y global, teniendo en cuenta estructuras de trayectoria más amplias. Algunas técnicas combinan ambas centralidades para resaltar nodos influyentes a niveles micro y macro. Nuestro artículo presenta una nueva medida de centralidad, acentuando el grado del nodo e incorporando las características más amplias de las redes, especialmente caminos de diferentes longitudes. A través de correlaciones de Spearman y Pearson probadas en siete conjuntos de datos estándar, nuestro método demuestra su mérito frente a medidas de centralidad tradicionales. Además, empleamos el modelo SIR, que representa la propagación de enfermedades, para validar aún más nuestro enfoque. El nodo influyente final se mide por su capacidad para infectar la mayor cantidad de nodos durante la progresión del modelo SIR. Nuestros resultados indican una notable eficacia correlativa en diversas redes del mundo real en relación a otras métricas de centralidad.