Text and opinion mining techniques in social media environments

Abstract

Social networks have assumed a crucial role in our lives, becoming a daily means of communication and information. This emergence has led to substantial advancements and improvements in various aspects of our daily routines. Social networks witness a massive influx of data every day, and when processed effectively, this data can confer competitive advantages to businesses and aid in the mitigation of significant issues for the society such as the proliferation of misinformation. This thesis focuses on the design and development of solutions specifically tailored to handle unstructured data from social networks, with a primary emphasis on opinion mining. The research has yielded promising results, including the introduction of unsupervised opinion mining techniques for large-scale sentiment analysis. Additionally, novel metrics and algorithms have been proposed to effectively combat misinformation, leveraging user-generated content and experience. The outcomes of this research have made substantial contributions to the field of opinion mining in social networks. The findings showcase significant progress in the analysis of unstructured data, coupled with effective strategies to counter the dissemination of misinformation and the study of opinion holders (users). These solutions provide robust and efficient means to comprehend the opinions and sentiments expressed within social networks, thereby presenting profound implications for both businesses and society as a whole

Las redes sociales han asumido un papel crucial en nuestras vidas, convirtiéndose en un medio cotidiano de comunicación e información. Esta aparición ha propiciado avances y mejoras sustanciales en diversos aspectos de nuestras rutinas diarias. En las redes sociales diariamente se genera una masiva e ingente cantidad de datos que cuando se procesan de forma eficaz, pueden converger en ventajas competitivas para las empresas o para la sociedad, ayudando a mitigar problemas importantes como la proliferación de la desinformación. Esta tesis se centra en el diseño y desarrollo de soluciones específicamente adaptadas para tratar datos no estructurados procedentes de redes sociales, con especial énfasis en la minería de opinión. La investigación ha finalizado arrojando resultados muy relevantes como la introducción de técnicas no supervisadas de minería de opinión para el análisis de sentimientos a gran escala. Además, se han propuesto nuevas métricas y algoritmos para combatir eficazmente la desinformación, aprovechando la experiencia y el contenido generado por el usuario. Los resultados de esta tesis han contribuido sustancialmente al campo de la minería de opinión en redes sociales y muestran avances significativos en el análisis de datos no estructurados, junto con estrategias eficaces para contrarrestar la difusión de desinformación y el estudio de los usuarios que generan estas opiniones. Estas soluciones proporcionan medios s´olidos y eficaces para comprender las opiniones y sentimientos expresados en las redes sociales, as´ı como su credibilidad lo que tiene profundas implicaciones tanto para las empresas como para la sociedad en su conjunto