Temporal novelty quantification: a new approach to quantify novelty in social networks
| Ano de defesa: | 2020 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | , |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | eng |
| Instituição de defesa: |
Universidade Federal da Bahia
Instituto de Matemática e Estatística Departamento de Ciência da Computação |
| Programa de Pós-Graduação: |
em Ciência da Computação
|
| Departamento: |
Não Informado pela instituição
|
| País: |
brasil
|
| Palavras-chave em Português: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | http://repositorio.ufba.br/ri/handle/ri/33309 |
Resumo: | Com o aumento na adoção e uso das Redes Sociais, há um maior volume de dados online produzidos por usuários, que podem ser empregados para analisar seu comportamento nessas plataformas. Estas analises são úteis para, por exemplo, partidos políticos e empresas privadas, permitindo-lhes examinar como os usuários reagem a novas informações. Técnicas das áreas de Teoria dos Grafos, Séries Temporais e Aprendizado de Máquina estão entre as usadas para analisar o comportamento dos usuários. Ainda assim, essas técnicas produzem resultados melhores quando modelam certos aspectos desse comportamento, como a relação temporal ou a dependência entre termos utilizados nas publicações dos usuários. Este projeto considerou esses aspectos e hipotetizou que a adoção de grafos temporais, em conjunto com técnicas de Mineração de Texto e Series Temporais, permitem detectar mudanças de comportamento em usuários de Redes Sociais. Assim, para validar esta hipótese, foi desenvolvida uma nova abordagem que identifica pontos de mudança no comportamento dos usuários. Este procedimento utiliza técnicas de Mineração de Texto para encontrar termos, que serão utilizados posteriormente na criação de grafos temporais, mantendo seus relacionamentos nos textos originais e suas dependencias temporais. Em seguida, uma nova medida (Temporal Novelty Quantification), desenvolvida neste trabalho, é aplicada para quantificar como as opiniões dos usuários mudam com o tempo por meio de variações nas palavras usadas por eles. A utilização dessa medida em pares sequenciais de janelas de tempo gera uma série temporal que modela o comportamento dos usuários para um período observado. Finalmente, foi apresentado um método para detectar automaticamente mudanças de comportamento, visando identificar os pontos em que ocorrem estas mudanças. Além da abordagem apresentada, este trabalho contém um estudo de caso com sua utilização, a partir de um evento histórico no Brasil: as eleições presidenciais de 2018, que tiveram volume expressivo de publicações e efetivamente estabeleceram as Redes Sociais como o principal mecanismo para publicidade e ativismo político. Os resultados obtidos destacam eventos relevantes ocorridos na corrida presidencial, que podem ter levado a mudanças de comportamento nos usuários, mostrando o valor da abordagem desenvolvida. Este resultado também introduz novas possibilidades de pesquisa com base neste trabalho como, por exemplo, a identificação de bots que propagam fake news. |