dc.contributor.advisor | Domínguez, Martín Ariel | |
dc.contributor.advisor | Celayes, Pablo Gabriel | |
dc.contributor.author | Meriles, Emanuel Juan René | |
dc.date.accessioned | 2022-05-12T13:40:02Z | |
dc.date.available | 2022-05-12T13:40:02Z | |
dc.date.issued | 2022 | |
dc.identifier.uri | http://hdl.handle.net/11086/24823 | |
dc.description | Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022. | es |
dc.description.abstract | En estos últimos años, las redes sociales se han hecho cada vez más masivas. En consecuencia, son una fuente fundamental de información y una poderosa herramienta para esparcir ideas y opiniones. Basándose en Twitter, este trabajo estudia el problema de predecir las preferencias de retweeteo de un usuario, dado un tweet, considerando cómo el tweet ha sido compartido por el ambiente de ese usuario; y además el problema más global de predecir si un tweet va a ser popular o no, basado en el comportamiento de retweeteo de usuarios centrales. Para ambos problemas exploramos la evolución de la calidad de la predicción, dependiendo de la cantidad de información disponible en el tiempo desde que un tweet es creado, y elaborar conclusiones sobre el trade-off entre el tiempo transcurrido y la performance de la predicción. | es |
dc.description.abstract | In recent years, social networks have become increasingly massive. As a consequence, they are a fundamental source of information and a powerful tool to spread ideas and opinions. Based on Twitter, this work studies the problem of predicting user retweeting preferences, given a tweet, and considering how the tweet has been shared by the user's environment; the more global problem of predicting weather a tweet will become popular or not, based on a few central user's retweeting behaviour is also tackled. For both problems we explore the evolution of the prediction quality, varying the amount of information available on time since a tweet is first published, and elaborate conclusions on the trade-off between elapsed time and prediction performance. | en |
dc.language.iso | spa | es |
dc.rights | Atribución-NoComercial-CompartirIgual 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.subject | Análisis de redes sociales | es |
dc.subject | Aprendizaje automático | es |
dc.subject | Detección de influenciadores | es |
dc.subject | Detección de comunidades | es |
dc.subject | Modelos de predicción | es |
dc.subject | Twitter | es |
dc.subject | Computaciòn aplicada en sociología | es |
dc.subject | Procesamiento del lenguaje natural | es |
dc.subject | Applied computing in Sociology | en |
dc.subject | Computing methodologies | en |
dc.subject | Natural language processing | en |
dc.subject | Support vector machines | en |
dc.subject | Latent Dirichlet allocation | en |
dc.title | Predicción temprana de tendencia en redes sociales basada en características sociales y contenido | es |
dc.type | bachelorThesis | es |
dc.description.fil | Fil: Meriles, Emanuel Juan René. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. | es |