Predicción del éxito de los mensajes de Twitter

En la sociedad actual es habitual emplear las redes sociales, como por ejemplo Twitter, para anunciar y/o difundir múltiples productos, descubrimientos, noticias, etc. El objetivo de las personas que realizan estas publicaciones es que lleguen a ser muy populares, para que la información llegue al m...

Descripción completa

Detalles Bibliográficos
Autor: Rodríguez Santana, Manuel Alejandro
Tipo de recurso: tesis de maestría
Fecha de publicación:2018
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/19951
Acceso en línea:https://hdl.handle.net/20.500.14352/19951
Access Level:acceso abierto
Palabra clave:004.85
004.78:316.77
Twitter
Tweet
Popularidad
Aprendizaje automático
Popularity
Machine learning
Inteligencia artificial (Informática)
Redes
1203.04 Inteligencia Artificial
id ES_dc23e29db25dc01e646f419e42e334b4
oai_identifier_str oai:docta.ucm.es:20.500.14352/19951
network_acronym_str ES
network_name_str España
repository_id_str
spelling Predicción del éxito de los mensajes de TwitterRodríguez Santana, Manuel Alejandro004.85004.78:316.77TwitterTweetPopularidadAprendizaje automáticoPopularityMachine learningInteligencia artificial (Informática)Redes1203.04 Inteligencia ArtificialEn la sociedad actual es habitual emplear las redes sociales, como por ejemplo Twitter, para anunciar y/o difundir múltiples productos, descubrimientos, noticias, etc. El objetivo de las personas que realizan estas publicaciones es que lleguen a ser muy populares, para que la información llegue al mayor número de personas posible. Sin embargo, no existe una noción de popularidad definida formalmente, ni una fórmula exacta que diga cómo lograrlo. En este trabajo se ha escogido analizar únicamente la red social Twitter, acotando así el problema a estudiar. El fin del trabajo consiste en poder conocer cuando un tweet es popular o no, para posteriormente poder predecir cuándo un tweet se convertirá en popular antes de publicarlo. Para ello, primero se han recopilado una serie de tweets durante casi dos semanas con una temática en común, Cataluña. Luego se han procesado los datos almacenados calculando unas métricas que intentan medir dicha popularidad. Y por último se han aplicado algoritmos de aprendizaje automático, intentando obtener el modelo que prediga el éxito o no de un tweet. El resultado final del trabajo no ha sido del todo satisfactorio, pero se han podido obtener una serie de conclusiones que pueden ser muy útiles de cara a posibles trabajos futuros.Martín Martín, EnriqueRiesco Rodríguez, AdriánUniversidad Complutense de Madrid20182018-01-0120182018-01-01master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/19951reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial 3.0 Españahttps://creativecommons.org/licenses/by-nc/3.0/es/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/199512026-06-02T12:44:21Z
dc.title.none.fl_str_mv Predicción del éxito de los mensajes de Twitter
title Predicción del éxito de los mensajes de Twitter
spellingShingle Predicción del éxito de los mensajes de Twitter
Rodríguez Santana, Manuel Alejandro
004.85
004.78:316.77
Twitter
Tweet
Popularidad
Aprendizaje automático
Popularity
Machine learning
Inteligencia artificial (Informática)
Redes
1203.04 Inteligencia Artificial
title_short Predicción del éxito de los mensajes de Twitter
title_full Predicción del éxito de los mensajes de Twitter
title_fullStr Predicción del éxito de los mensajes de Twitter
title_full_unstemmed Predicción del éxito de los mensajes de Twitter
title_sort Predicción del éxito de los mensajes de Twitter
dc.creator.none.fl_str_mv Rodríguez Santana, Manuel Alejandro
author Rodríguez Santana, Manuel Alejandro
author_facet Rodríguez Santana, Manuel Alejandro
author_role author
dc.contributor.none.fl_str_mv Martín Martín, Enrique
Riesco Rodríguez, Adrián
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 004.85
004.78:316.77
Twitter
Tweet
Popularidad
Aprendizaje automático
Popularity
Machine learning
Inteligencia artificial (Informática)
Redes
1203.04 Inteligencia Artificial
topic 004.85
004.78:316.77
Twitter
Tweet
Popularidad
Aprendizaje automático
Popularity
Machine learning
Inteligencia artificial (Informática)
Redes
1203.04 Inteligencia Artificial
description En la sociedad actual es habitual emplear las redes sociales, como por ejemplo Twitter, para anunciar y/o difundir múltiples productos, descubrimientos, noticias, etc. El objetivo de las personas que realizan estas publicaciones es que lleguen a ser muy populares, para que la información llegue al mayor número de personas posible. Sin embargo, no existe una noción de popularidad definida formalmente, ni una fórmula exacta que diga cómo lograrlo. En este trabajo se ha escogido analizar únicamente la red social Twitter, acotando así el problema a estudiar. El fin del trabajo consiste en poder conocer cuando un tweet es popular o no, para posteriormente poder predecir cuándo un tweet se convertirá en popular antes de publicarlo. Para ello, primero se han recopilado una serie de tweets durante casi dos semanas con una temática en común, Cataluña. Luego se han procesado los datos almacenados calculando unas métricas que intentan medir dicha popularidad. Y por último se han aplicado algoritmos de aprendizaje automático, intentando obtener el modelo que prediga el éxito o no de un tweet. El resultado final del trabajo no ha sido del todo satisfactorio, pero se han podido obtener una serie de conclusiones que pueden ser muy útiles de cara a posibles trabajos futuros.
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-01-01
2018
2018-01-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/19951
url https://hdl.handle.net/20.500.14352/19951
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial 3.0 España
https://creativecommons.org/licenses/by-nc/3.0/es/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial 3.0 España
https://creativecommons.org/licenses/by-nc/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869421741041778688
score 15,300724

Similares en LA Referencia