Knowledge discovery from news events on twitter

Abstract

La actividad online en las redes sociales comprende el consumo y la producción de contenido asociado a eventos noticiosos. Cada día se publica alrededor de quinientos millones de mensajes en Twitter, y de acuerdo a encuestas, el 59% de sus usuarios usa la plataforma como un medio para enterarse de las noticias. La alta tasa de producción de contenido multimedia (texto, imágenes, videos) requiere modelos flexibles para comprender las dinámicas de la información que se propaga por los medios sociales. Esta tesis propone la creación de modelos contextualizados de eventos noticiosos basados en el contenido que generan los usuarios de las redes sociales online. El objetivo de estos modelos es proveer los medios para realizar análisis cuantitativo de alto nivel de eventos noticiosos. Los modelos propuestos son diseñados desde tres perspectivas: (1) la actividad de los usuarios que reaccionan ante un evento cuando éste sucede, (2) el contexto espacio-temporal en el cual los eventos se desarrollan, y (3) la agregación del contenido que puede ser aprovechada para generar una representación exhaustiva de un evento. Para este trabajo recolectamos un conjunto de datos de tuits asociados a contenido noticioso, desde el 2013 al 2015, abarcando veinte mil eventos, que corresponden a cerca de doscientos millones de tuits. Primero, observamos que los eventos tienen características particulares basadas en la actividad de los usuarios, y que estas características son muy distinguibles en las primeras etapas de su desarrollo. Proponemos un modelo de representación de eventos basado en la actividad de los usuarios, caracterizamos eventos en base a distintos niveles de actividad, y mostramos que es posible predecir con alta precisión el nivel de actividad que un evento hubiera tenido usando características agregadas. Segundo, desarrollamos una representación espacio-temporal de eventos basada en entidades geo-políticas (ej. países). Caracterizamos eventos basados en los países asociados a éstos, y mostramos que esta representación nos permite retratar relaciones internacionales entre países basadas en contenido en medios sociales. Finalmente estudiamos las características del contenido de los eventos e introducemos una representación liviana y compacta de eventos basada en URLs (enlaces) en común que son compartidos en mensajes en las redes sociales. Sugerimos que agregar contenido basado en URLs comunes nos permite identificar tópicos eficientemente, sin perder una cantidad considerable del contenido. Estas diversas representaciones de eventos son útiles, novedosas, y efectivas para realizar análisis cuantitativo de alto nivel de eventos noticiosos.