New methods for knowledge discovery in geo-localized social media networks

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.