Resumen

Debido a la amplia influencia social, las emergencias de salud pública han atraído una gran atención en la sociedad actual. El auge de las redes sociales se está convirtiendo en una de las principales plataformas de difusión de información de estos sucesos y ha suscitado una gran preocupación en la gestión de las emergencias, entre las que se encuentra la necesidad de realizar una buena predicción de la difusión de información en las redes sociales para estimar el impacto social del suceso y elaborar una estrategia adecuada. Sin embargo, la difusión de la información se ve afectada en gran medida por las complejas actividades interactivas y los comportamientos de los grupos en la red social; los métodos y modelos existentes son limitados para lograr un resultado de predicción satisfactorio debido a las conexiones sociales abiertas y cambiantes y a los comportamientos inciertos de procesamiento de la información. ACP (sociedades artificiales, experimentos computacionales y ejecución paralela) proporciona una forma eficaz de simular la situación real. Con el fin de obtener una mejor predicción de la difusión de información en las redes sociales, este trabajo propone un método de cálculo inteligente en el marco de la TDF (Teoría-Datos-Feedback) basado en el sistema de simulación ACP que se aplicó con éxito al análisis de la emergencia de la gripe A (H1N1).

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:red social, predicción de la difusión de la información, predicción de la información, red social en auge, marco de tdf, plataforma de difusión de la información, actividades interactivas complejas, resultados de predicción satisfactorios, amplia influencia social, emergencia de salud pública
• Keywords:social network, information dissemination prediction, prediction of information, booming social network, framework of tdf, information dissemination platform, complex interactive activities, satisfactory prediction results, extensive social influence, public health emergency