Tecnicas de clustering fuzzy para el analisis de tendencias en redes sociales

Abstract

En la actualidad, el aprendizaje automático ha tomado gran relevancia en las transformaciones sociales en las diferentes áreas del quehacer humano debido al aumento y volumen de los datos. Los últimos avances indican la importancia del mismo para la generación de nuevos espacios laborales, investigaciones, y trabajos. Una de las áreas que hace parte del aprendizaje automático no supervisado es el agrupamiento (clustering) que, por su parte, sirve para segmentar datos en grupos iguales o similares, en este caso aplicado a el monitoreo de redes sociales. Lo anterior fue el punto de partida del presente trabajo de grado, en el que se realiza una investigación del estado del arte de los temas relacionados con minería de datos, minería en redes sociales, algoritmo fuzzy c-means, los métodos de minería de datos y aplicación del algoritmo fuzzy c-means utilizando el software R studio. De igual manera, se realizaron dos diferentes ejercicios: el primer ejercicio es minería de texto en R studio, con una base de datos de 3207 tweets de la página CNN en español. Como resultado de la aplicación del algoritmo fuzzy c-means, se obtienen diferentes clúster que se observan de manera explícita en una nube de palabras; El segundo ejercicio es una minería de datos realizada en Facebook a la página The Bro, y en twitter a la cuenta CNN en español. Para el análisis en Facebook, se utilizan los números de likes, comentarios y compartidas de cada publicación. Para el análisis de Twitter, se utilizan los números de retweets y favoritos de cada tweet. Al implementar el algoritmo fuzzy c-means en R studio, se obtuvo como resultado diferentes clúster que reflejan la similitud entre publicaciones o tweets. Pudiendo así, crear unas tipologías de individuos, basados en los resultados obtenidos. *