Uma análise de fatores que influenciam interações entre usuários do twitter

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: Giovanni Ventorim Comarela
Orientador(a): Virgilio Augusto Fernandes Almeida
Banca de defesa: Adriano Alonso Veloso, Artur Ziviani
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Minas Gerais
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
twitter
Interações
Redes sociais online
Link de acesso: http://hdl.handle.net/1843/ESBF-8UZHY8
Resumo: Nesta dissertação estuda-se o problema de entender interações entre usuários na rede de informação Twitter. O problema é abordado em duas etapas: primeiro, é realizada uma caracterização extensiva de uma grande coleção de dados, através da qual, identifica-se por exemplo que algumas vezes os usuários passam por centenas de mensagens até encontrarem alguma que tem interesse em interagir. Estes resultados motivam a identificação de fatores que influenciam as probabilidades de respostas e compartilhamento de mensagens no Twitter. Na segunda etapa, utilizando algoritmos de aprendizado de máquina, mostra-se que alguns destes fatores podem ser utilizados para melhorar o mecanismo usual de apresentação de mensagens. Estes algoritmos são avaliados através de estudos de simulação, os quais mostram que a fração de mensagens respondidas e compartilhadas próximas ao topo da lista de mensagens dos usuários cresce em até 60%.
id UFMG_9e17598e7ad34336f2efa6094f0551aa
oai_identifier_str oai:repositorio.ufmg.br:1843/ESBF-8UZHY8
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Virgilio Augusto Fernandes AlmeidaAdriano Alonso VelosoArtur ZivianiGiovanni Ventorim Comarela2019-08-12T12:37:29Z2019-08-12T12:37:29Z2012-06-01http://hdl.handle.net/1843/ESBF-8UZHY8Nesta dissertação estuda-se o problema de entender interações entre usuários na rede de informação Twitter. O problema é abordado em duas etapas: primeiro, é realizada uma caracterização extensiva de uma grande coleção de dados, através da qual, identifica-se por exemplo que algumas vezes os usuários passam por centenas de mensagens até encontrarem alguma que tem interesse em interagir. Estes resultados motivam a identificação de fatores que influenciam as probabilidades de respostas e compartilhamento de mensagens no Twitter. Na segunda etapa, utilizando algoritmos de aprendizado de máquina, mostra-se que alguns destes fatores podem ser utilizados para melhorar o mecanismo usual de apresentação de mensagens. Estes algoritmos são avaliados através de estudos de simulação, os quais mostram que a fração de mensagens respondidas e compartilhadas próximas ao topo da lista de mensagens dos usuários cresce em até 60%.In information networks where users send messages to one another, the issue of information overload naturally arises: which are the most important messages? In this work we study the problem of understanding the importance of messages in Twitter. We approach this problem in two stages. First, we perform an extensive characterization of a very large Twitter data set which includes all users, social relations, and messages posted from the beginning of the service up to August 2009. We show evidence that information overload is present: users sometimes have to search through hundreds of messages to find those that are interesting to reply or retweet. We then identify factors that influence user response or retweet probability: previous responses to the same tweeter, the tweeter\\\'s sending rate, the age and some basic text elements of the tweet. In our second stage, we show that some of these factors can be used to improve the ordering of tweets as presented to the user. First, by inspecting user activity over time, we construct a simple on-off model of user behavior that allows us to infer when a user is actively using Twitter. Then, we explore two methods from machine learning for ranking tweets: a Naive Bayes predictor and a Support Vector Machine classifier. We show that it is possible to reorder tweets to increase the fraction of replied or retweeted messages appearing in the first positions of the list by as much as 60%.Universidade Federal de Minas GeraisUFMGInfluência (Psicologia) Redes de relações sociaisComputaçãoRedes de relações sociaistwitterInteraçõesRedes sociais onlineUma análise de fatores que influenciam interações entre usuários do twitterinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALgiovannicomarela.pdfapplication/pdf1689570https://repositorio.ufmg.br/bitstream/1843/ESBF-8UZHY8/1/giovannicomarela.pdf9de88a86b75b803cef2bad4b1a050090MD51TEXTgiovannicomarela.pdf.txtgiovannicomarela.pdf.txtExtracted texttext/plain134584https://repositorio.ufmg.br/bitstream/1843/ESBF-8UZHY8/2/giovannicomarela.pdf.txta7d0defd43f298a648f5195d82a7542bMD521843/ESBF-8UZHY82019-11-14 17:51:16.621oai:repositorio.ufmg.br:1843/ESBF-8UZHY8Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T20:51:16Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Uma análise de fatores que influenciam interações entre usuários do twitter
title Uma análise de fatores que influenciam interações entre usuários do twitter
spellingShingle Uma análise de fatores que influenciam interações entre usuários do twitter
Giovanni Ventorim Comarela
twitter
Interações
Redes sociais online
Influência (Psicologia) Redes de relações sociais
Computação
Redes de relações sociais
title_short Uma análise de fatores que influenciam interações entre usuários do twitter
title_full Uma análise de fatores que influenciam interações entre usuários do twitter
title_fullStr Uma análise de fatores que influenciam interações entre usuários do twitter
title_full_unstemmed Uma análise de fatores que influenciam interações entre usuários do twitter
title_sort Uma análise de fatores que influenciam interações entre usuários do twitter
author Giovanni Ventorim Comarela
author_facet Giovanni Ventorim Comarela
author_role author
dc.contributor.advisor1.fl_str_mv Virgilio Augusto Fernandes Almeida
dc.contributor.referee1.fl_str_mv Adriano Alonso Veloso
dc.contributor.referee2.fl_str_mv Artur Ziviani
dc.contributor.author.fl_str_mv Giovanni Ventorim Comarela
contributor_str_mv Virgilio Augusto Fernandes Almeida
Adriano Alonso Veloso
Artur Ziviani
dc.subject.por.fl_str_mv twitter
Interações
Redes sociais online
topic twitter
Interações
Redes sociais online
Influência (Psicologia) Redes de relações sociais
Computação
Redes de relações sociais
dc.subject.other.pt_BR.fl_str_mv Influência (Psicologia) Redes de relações sociais
Computação
Redes de relações sociais
description Nesta dissertação estuda-se o problema de entender interações entre usuários na rede de informação Twitter. O problema é abordado em duas etapas: primeiro, é realizada uma caracterização extensiva de uma grande coleção de dados, através da qual, identifica-se por exemplo que algumas vezes os usuários passam por centenas de mensagens até encontrarem alguma que tem interesse em interagir. Estes resultados motivam a identificação de fatores que influenciam as probabilidades de respostas e compartilhamento de mensagens no Twitter. Na segunda etapa, utilizando algoritmos de aprendizado de máquina, mostra-se que alguns destes fatores podem ser utilizados para melhorar o mecanismo usual de apresentação de mensagens. Estes algoritmos são avaliados através de estudos de simulação, os quais mostram que a fração de mensagens respondidas e compartilhadas próximas ao topo da lista de mensagens dos usuários cresce em até 60%.
publishDate 2012
dc.date.issued.fl_str_mv 2012-06-01
dc.date.accessioned.fl_str_mv 2019-08-12T12:37:29Z
dc.date.available.fl_str_mv 2019-08-12T12:37:29Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/ESBF-8UZHY8
url http://hdl.handle.net/1843/ESBF-8UZHY8
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.initials.fl_str_mv UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/ESBF-8UZHY8/1/giovannicomarela.pdf
https://repositorio.ufmg.br/bitstream/1843/ESBF-8UZHY8/2/giovannicomarela.pdf.txt
bitstream.checksum.fl_str_mv 9de88a86b75b803cef2bad4b1a050090
a7d0defd43f298a648f5195d82a7542b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1793890957382385664

Registros relacionados