@misc{10481/40800,
year = {2016},
url = {http://hdl.handle.net/10481/40800},
abstract = {El propósito de esta tesis consiste en desarrollar métodos para descubrir conocimiento basados en
la actividad SM localizada en un lugar en concreto y explotando la información acerca de los usuarios
relacionados con estas interacciones (obtenida analizando la red social de la que forman parte o
bien inferida según su reacción al contenido creado por otros usuarios). El tipo de conocimento que
producimos en esta tesis intenta suportar casos de uso reales que son relevantes para la industria,
haciendo hincapié en hacer este conocimiento medible de una manera que no ha sido factible hasta
ahora. Compañías pueden user este conocimiento para gestionar actividades comerciales y de
investigación e implementar un plan de actuación.
El resultado de cada método consiste en un conjunto de métricas diseñadas para medir una
variable concreta en el tiempo. Cada métrica sirve para diagnosticar un problema, suportar un
escenario de toma de decisiones y la creación de un plan con medidas particulares. A parte de
esta trazabilidad en el tiempo, nuestras métricas suportan la comparación de diferentes lugares,
sin importar su tamaño o sus niveles de actividad. El sesgo en la activdad ha sido neutralizado
en nuestro diseño; de esta manera, un lugar con usuarios hiperactivos puede compararse con otro
donde no exista tanta actividad, siempre y cuando exista un mínimo número de interacciones, si no las métricas se volverían muy volátiles perdiendo valor. El tratamiento del sesgo no compromete su
sensibilidad, reflejando cada cambio particular basandose en la defínición de niveles de referencia.
También añadir que la naturaleza de SM otorga a nuestros métodos la capacidad de medir en
una manera semi instantánea. Dependiendo en la importancia de esta instantaneidad, nuestros
métodos ofrecen la posibilidad de actuar con dos configuraciones diferentes: velocidad-primero-precisión-despues vs. precisión-primero-velocidad-despúes.
Todos los métodos para descubrir conocimiento en esta tesis responden al mismo esquema:
recolección de las transacciones SM geo-localizadas, clasificación, enrequecimiento de la información
disponible inferiendo conocimiento de las comunidades en las redes sociales en las que se hallan los
autores de las transacciones y un último paso consistente en la generación de las métricas.},
organization = {Tesis Univ. Granada. Departamento de Ciencias de la Computación e Inteligencia Artificial},
organization = {Proyectos de Investigación TIC-5991 and TIN2013-
40658-P.},
publisher = {Universidad de Granada},
keywords = {Redes sociales},
keywords = {Localización},
keywords = {Sistemas de información},
keywords = {Twitter},
keywords = {Información},
keywords = {Sistemas de tratamiento},
title = {New methods for knowledge discovery in geo-localized social media networks},
author = {Bernabé Moreno, Juan},
}