RT info:eu-repo/semantics/masterThesis
T1 Detección de fake followers en Twitter mediante características de redes sociales
A1 Francisco López, Daniel
K1 Machine learning
K1 Redes sociales
K1 Fake followers
K1 Clasificación
K1 Complejidad algorítmica
K1 Informática
K1 Computer science
AB La información es muy importante para la comunicación y el progreso de lassociedades, permitiendo intercambiar conocimiento, sucesos, y generar opinión.En un contexto en el que las personas cada vez tienen más acceso a la información, se observa una tendencia hacia la desinformación, especialmente en elentorno de las redes sociales. Particularmente, la existencia de fake followersen Twitter, consigue aumentar la notoriedad de ciertas personas que los contratande forma ilegítima, alterando artificialmente la esfera política, económicay social. En este entorno, se va a intentar mejorar un modelo preexistente demachine learning para la detección de fake followers, introduciendo al modelonuevas características de redes sociales, basadas en el grado, la centralidad o elprestigio entre otros. Para la selección de estas características, será un factorrelevante el crecimiento del coste de procesamiento conforme lo haga el volumende los datos procesados, siendo la complejidad algorítmica un importante indicadorde dicho coste. Posteriormente, se comparan crítica y cuantitativamenteambos modelos, con el  n de determinar si la inclusión de métricas de redessociales redunda en una mejora significativa de la predicción de fake followers.Por último, se prueba el modelo desarrollado sobre un caso real de tweets sobre los debates preelectorales de las elecciones del 10 de noviembre. La conclusiónde este estudio es que, a pesar de que se obtiene una ligera mejora en la predicción, no justifica el enorme coste de extracción, almacenamiento, modelado y procesamiento de la red.
YR 2020
FD 2020
LK http://hdl.handle.net/10017/47092
UL http://hdl.handle.net/10017/47092
LA spa
DS MINDS@UW
RD 19-abr-2024