Análisis de expresiones de búsqueda relacionadas con industrias culturales en un motor de búsqueda
[ES] En este trabajo se ha desarrollado un análisis sobre un listado de expresiones de búsqueda relacionas con industrias culturales en un motor de búsqueda. El objetivo principal de este estudio es encontrar una metodología de trabajo efectiva sobre conjuntos masivos de datos consistentes en expres...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/153761 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/153761 |
| Access Level: | acceso abierto |
| Palabra clave: | Palabras clave Expresiones de búsqueda Análisis textual Social Nework Analysis Análisis de industrias culturales Cibermetría Posicionamiento SEO Keywords Search queries Textual analysis Analysis of cultural industries Cybermetrics SEO positioning Análisis de grafos Queries Graph Analysis Literature ESTADISTICA E INVESTIGACION OPERATIVA BIBLIOTECONOMIA Y DOCUMENTACION Máster Universitario en Gestión de la Información-Màster Universitari en Gestió de la Informació |
| Sumario: | [ES] En este trabajo se ha desarrollado un análisis sobre un listado de expresiones de búsqueda relacionas con industrias culturales en un motor de búsqueda. El objetivo principal de este estudio es encontrar una metodología de trabajo efectiva sobre conjuntos masivos de datos consistentes en expresiones de búsqueda o palabras clave extraídas de motores de búsqueda, con independencia de su temática. Para llevarlo a cabo se partió de un listado de expresiones de búsqueda relacionas con industrias culturales extraídas de Google mediante el uso de la herramienta Google Keyword Planner. Tras probar diferentes conjuntos de datos y herramientas especializadas en análisis de grafos, finalmente se decidió trabajar con una muestra aleatoria del 5% de los datos originales y el programa Gephi. A partir de esta muestra se creó una matriz que enfrentaba cada búsqueda de la muestra con el resto de búsquedas y recogía el número de palabras que coincidían en cada caso. Además, se eliminó la diagonal de la matriz y los conectores más comunes de las búsquedas para evitar sesgos y ruido. Con esta matriz y mediante el algoritmo Fruchterman Reingold se obtuvo un grafo formado por 1.506 nodos y 28.242 aristas que contenía 27 comunidades, siendo la comunidad más grande y céntrica, la correspondiente al conjunto formado por las expresiones contenedoras de la palabra clave “libros”. Dados los resultados, les puede considerar que la metodología final propuesta es efectiva y cabría tenerla en cuenta para poder replicarla en el futuro a una escala mayor |
|---|