Predicción de usuarios persuasibles en twitter usando graph ML y text mining.

Abstract:
La identificación del individuos persuasibles es un factor clave en la dinámica de la opinión pública y se ha estudiado desde diferentes perspectivas. En esta charla, estudiaremos el cambio de posición y agrupamiento de individuos en Twitter utilizando técnicas de procesamiento de lenguaje natural y algoritmos de aprendizaje automático de grandes grafos.

En particular, contaremos cómo analizar una base de datos de millones de tweets, correspondientes a los periodos electorales del 2017 y 2019 en Argentina. En este contexto, presentamos un marco de aprendizaje automático para la clasificación de usuarios de redes sociales que detecta de manera eficiente la probabilidad de que un usuario cambie su afiliación partidaria. Además, este marco de aprendizaje automático nos permite analizar las características topológicas que tienen los qué individuos y también identificar qué temas son más persuasivos durante una elección.

Papers relacionados:

• Pinto, S., Albanese, F., Dorso, C. O., & Balenzuela, P. (2019). Quantify-ing time-dependent Media Agenda and public opinion by topic modeling.Physica A: Statistical Mechanics and its Applications, 524, 614-624.
• Pennacchiotti, M., & Popescu, A. M. (2011, August). Democrats, republicans and starbucks afficionados: user classification in twitter. In Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 430-438).
• Benevenuto, F., Magno, G., Rodrigues, T., & Almeida, V. (2010, July). Detecting spammers on twitter. In Collaboration, electronic messaging, anti-abuse and spam conference (CEAS) (Vol. 6, No. 2010, p. 12).