MARC details
000 -Record Label |
fixed length control field |
02244nam a22003135i 4500 |
005 - Identificador da versão |
control field |
20240506155207.0 |
010 ## - ISBN - International Standard Book Number |
Número (ISBN) |
978-3-030-38852-2 |
Modalidade de aquisição e/ou preço |
compra |
100 ## - Entrada principal |
Dados gerais de processamento |
20231023d2020 k||y0pory50 ba |
101 0# - Língua do documento |
Língua do texto, banda sonora, etc. |
eng |
102 ## - País da publicação |
País de publicação |
Switzerland, Swiss Confederation |
Localidade de publicação |
Cham |
200 1# - Título |
Título próprio |
Modeling information diffusion in online social networks with partial differential equations |
Indicação geral da natureza do documento |
Documento eletrónico |
Primeira menção de responsabilidade |
Haiyan Wang, Feng Wang, Kuai Xu |
210 ## - Local de edição |
Lugar da edição, distribuição, etc. |
Cham |
Nome do editor, distribuidor, etc. |
Springer International Publishing |
Data da publicação, distribuição, etc. |
2020 |
215 ## - Descrição física (Vol.pg.fl.tm.fsc) |
Descrição física |
XIII, 144 p. |
Outras indicações físicas |
il. |
225 2# - Coleção |
Título próprio da colecção |
Surveys and Tutorials in the Applied Mathematical Sciences |
Indicação de volume |
vol. 7 |
303 ## - Notas Informação descritiva |
Texto da nota |
The book lies at the interface of mathematics, social media analysis, and data science. Its authors aim to introduce a new dynamic modeling approach to the use of partial differential equations for describing information diffusion over online social networks. The eigenvalues and eigenvectors of the Laplacian matrix for the underlying social network are used to find communities (clusters) of online users. Once these clusters are embedded in a Euclidean space, the mathematical models, which are reaction-diffusion equations, are developed based on intuitive social distances between clusters within the Euclidean space. The models are validated with data from major social media such as Twitter. In addition, mathematical analysis of these models is applied, revealing insights into information flow on social media. Two applications with geocoded Twitter data are included in the book: one describing the social movement in Twitter during the Egyptian revolution in 2011 and another predicting influenza prevalence. The new approach advocates a paradigm shift for modeling information diffusion in online social networks and lays the theoretical groundwork for many spatio-temporal modeling problems in the big-data era. |
606 ## - Nome comum como assunto |
Koha Internal code |
1072 |
Elemento de entrada |
Equações diferenciais |
606 ## - Nome comum como assunto |
Koha Internal code |
6332 |
Elemento de entrada |
Modelos matemáticos |
680 ## - Classificação Biblioteca Congresso |
Notação |
QA371 |
700 ## - Autor (resp. principal) |
Koha Internal Code |
72883 |
Palavra de ordem |
Wang |
Outra parte do nome |
Haiyan |
701 ## - Co-responsabilidade principal |
Koha Internal Code |
72884 |
Palavra de ordem |
Wang |
Outra parte do nome |
Feng |
Código de função |
co-aut. |
701 ## - Co-responsabilidade principal |
Koha Internal Code |
72885 |
Palavra de ordem |
Xu |
Outra parte do nome |
Kuai |
Código de função |
co-aut. |
801 #0 - Fonte de origem |
País |
Portugal |
Regras de catalogação |
RPC |
856 4# - URL Endereço WEB |
URL |
https://doi.org/10.1007/978-3-030-38852-2 |
942 ## - Elementos de entrada adicionados (Koha) |
Fonte da classificação ou esquema de estante |
Library of Congress Classification |
Tipo de item no Koha |
E-Books |
Suprimido |
0 |