Este documento aborda el desafío computacional de determinar de manera eficiente el vector de opinión de equilibrio y las métricas asociadas en el modelo de Friedkin-Johnsen (FJ), aplicable tanto a redes sociales dirigidas como no dirigidas.
Los autores argumentan que los métodos tradicionales de inversión de matrices son ineficientes para redes a gran escala debido a su alta complejidad temporal. Proponen un algoritmo innovador basado en iteraciones locales que approxima eficientemente el vector de opinión de equilibrio mientras garantiza límites de error relativo.
El algoritmo utiliza las características locales de los nodos para realizar actualizaciones asincrónicas, utilizando una cola de primera en primera salida (FIFO) para gestionar los nodos que cumplen con la condición de actualización. Este enfoque mejora significativamente la eficiencia y la escalabilidad en comparación con métodos tradicionales como el solucionador de Laplaciano.
Los autores también introducen un método para mejorar la robustez del algoritmo cuando los nodos tienen opiniones internas cero e incorporan técnicas de sobrelaxación sucesiva (SOR) para acelerar la convergencia y mejorar la eficiencia computacional.
Experimentos en conjuntos de datos de redes del mundo real demuestran la efectividad práctica de los algoritmos propuestos, mostrando mejoras significativas en la eficiencia y escalabilidad en comparación con métodos convencionales.
Las contribuciones clave del documento incluyen:
- Un algoritmo robusto de iteración local que approxima eficientemente el vector de opinión de equilibrio mientras garantiza límites de error relativo.
- La incorporación de técnicas de sobrelaxación sucesiva (SOR) para optimizar la convergencia y mejorar la eficiencia computacional.
- Experimentos extensos en conjuntos de datos de redes del mundo real que validan las ventajas de los algoritmos propuestos en términos de eficiencia y escalabilidad.
El documento proporciona una contribución valiosa al campo de la dinámica de opiniones mediante la propuesta de algoritmos eficientes y escalables para calcular opiniones de equilibrio en redes sociales a gran escala.