Clasificación de Tweets Utilizando el Modelo Probabilístico de Tópicos Laten Dirichlet Allocation

Resumen

Twitter[1] es uno de los servicios de microblogging que se ha vuelto muy popular dentro de los medios sociales utilizándose como una herramienta de comunicación. Las enormes cantidades de entradas, conocidas como tweets, que se generan todos los días, no solo representan un problema en el manejo de la información, sino un tema de investigación interesante, dado que representan una vasta fuente de información con interés para la minería y el descubrimiento de conocimiento. Los usuarios de Twitter están conectados por relaciones de “seguimiento”, es decir, una persona obtiene tweets por seguir a otra persona, de esta manera podemos construir una red de información asociada por texto para un mejor modelado y el descubrimiento de patrones de interés acerca de los datos de texto. Con este trabajo se desarrollan tres tareas de investigación sobre los datos de texto en Twitter: el filtrado de tweets, basado en los intereses de un usuario; la creación de comunidades de un grupo grande
de personas, y la clasificación de tweets. Identificando intereses, podemos filtrar informaciones no deseadas de los tweets de entrada, la creación de comunidad ayuda a encontrar subgrupos de intereses en particular y sugerir usuarios con intereses similares para seguirlos, y la clasificación de tweets ayudará a los usuarios a seleccionar sus categorías de tweets favoritas para leerlas. Los casos experimentales son diseñados y ejecutados para demostrar la efectividad de la plataforma y los algoritmos estadísticos propuestos para estas tareas.