Published November 16, 2014 | Version v1
Publication Open

MAM: Método para Agrupamentos Múltiplos em Redes Sociais Online Baseado em Emoções, Personalidades e Textos

Creators

  • 1. Federal Center for Technological Education Celso Suckow da Fonseca
  • 2. Universidade Federal do Rio de Janeiro

Description

Um problema importante em análise de redes sociais é o particionamento de seus usuários com o objetivo de descobrir grupos que possuem interesses ou características comuns. Dada uma coleção de objetos, tipicamente não existe apenas uma única maneira de formar as partições. Além disto, quando objetos são usuários de uma rede social, cada objeto pode ser representado por diferentes conjuntos de dados. Esses conjuntos de dados oferecem oportunidades para explorar os comportamentos dos usuários a partir de diferentes perspectivas. Esse trabalho descreve um método agrupamento de múltiplas visões para agrupar objetos que contenham tais propriedades. Os agrupamentos produzidos por nosso método produzem agrupamentos alternativos não-redundantes. Devido a essas diferenças, eles podem revelar novas maneiras de interpretar os dados. Os experimentos conduzidos nesses trabalho usaram uma rede social online brasileira denominada MQD. No MQD os usuários são representados por três conjuntos de dados. Cada um deles corresponde a uma particular perspectiva: emoção, personalidade e postagem. Os resultados experimentais indicam que nosso método é capaz de produzir agrupamentos diferentes que consideram as três perspectivas dos usuários.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

تتمثل إحدى المشكلات المهمة في تحليل الشبكات الاجتماعية في تقسيم مستخدميها من أجل اكتشاف المجموعات التي لها اهتمامات أو خصائص مشتركة. بالنظر إلى مجموعة من الكائنات، لا توجد عادة طريقة واحدة لتشكيل الأقسام. بالإضافة إلى ذلك، عندما تكون الكائنات مستخدمة لشبكة اجتماعية، يمكن تمثيل كل كائن بمجموعات مختلفة من البيانات. توفر مجموعات البيانات هذه فرصًا لاستكشاف سلوكيات المستخدم من وجهات نظر مختلفة. يصف هذا العمل طريقة تجميع متعددة المشاهدات لتجميع الكائنات التي تحتوي على مثل هذه الخصائص. تنتج المجموعات التي تنتجها طريقتنا مجموعات بديلة غير زائدة عن الحاجة. وبسبب هذه الاختلافات، قد تكشف عن طرق جديدة لتفسير البيانات. استخدمت التجارب التي أجريت في هذه الدراسة شبكة اجتماعية برازيلية عبر الإنترنت تسمى MQD. في MQD، يتم تمثيل المستخدمين بثلاث مجموعات بيانات. يتوافق كل منها مع منظور معين: العاطفة والشخصية والنشر. تشير النتائج التجريبية إلى أن طريقتنا قادرة على إنتاج مجموعات مختلفة تأخذ في الاعتبار وجهات النظر الثلاثة للمستخدمين.

Translated Description (English)

An important problem in social network analysis is the partitioning of its users in order to discover groups that have common interests or characteristics. Given a collection of objects, there is typically no single way to form the partitions. In addition, when objects are users of a social network, each object may be represented by different sets of data. These datasets provide opportunities to explore user behaviors from different perspectives. This work describes a multi-view clustering method for grouping objects that contain such properties. The clusters produced by our method produce alternative non-redundant clusters. Because of these differences, they may reveal new ways of interpreting the data. The experiments conducted in this study used a Brazilian online social network called MQD. In MQD users are represented by three datasets. Each corresponds to a particular perspective: emotion, personality and posting. The experimental results indicate that our method is able to produce different groupings that consider the three perspectives of users.

Translated Description (French)

Un problème important dans l'analyse des réseaux sociaux est le partitionnement de ses utilisateurs afin de découvrir des groupes qui ont des intérêts ou des caractéristiques communes. Étant donné une collection d'objets, il n'existe généralement pas de moyen unique de former les partitions. En outre, lorsque les objets sont des utilisateurs d'un réseau social, chaque objet peut être représenté par différents ensembles de données. Ces ensembles de données offrent la possibilité d'explorer les comportements des utilisateurs sous différents angles. Ce travail décrit une méthode de regroupement multi-vues pour regrouper des objets qui contiennent de telles propriétés. Les clusters produits par notre méthode produisent des clusters alternatifs non redondants. En raison de ces différences, elles peuvent révéler de nouvelles façons d'interpréter les données. Les expériences menées dans cette étude ont utilisé un réseau social en ligne brésilien appelé MQD. Dans MQD, les utilisateurs sont représentés par trois ensembles de données. Chacune correspond à une perspective particulière : émotion, personnalité et affichage. Les résultats expérimentaux indiquent que notre méthode est capable de produire différents regroupements qui prennent en compte les trois perspectives des utilisateurs.

Translated Description (Spanish)

Un problema importante en el análisis de redes sociales es la partición de sus usuarios con el fin de descubrir grupos que tienen intereses o características comunes. Dada una colección de objetos, generalmente no hay una sola forma de formar las particiones. Además, cuando los objetos son usuarios de una red social, cada objeto puede estar representado por diferentes conjuntos de datos. Estos conjuntos de datos brindan oportunidades para explorar los comportamientos de los usuarios desde diferentes perspectivas. Este trabajo describe un método de agrupamiento multivista para agrupar objetos que contienen dichas propiedades. Los clústeres producidos por nuestro método producen clústeres alternativos no redundantes. Debido a estas diferencias, pueden revelar nuevas formas de interpretar los datos. Los experimentos realizados en este estudio utilizaron una red social en línea brasileña llamada MQD. En MQD, los usuarios están representados por tres conjuntos de datos. Cada uno corresponde a una perspectiva particular: emoción, personalidad y publicación. Los resultados experimentales indican que nuestro método es capaz de producir diferentes agrupaciones que consideran las tres perspectivas de los usuarios.

Files

240.pdf

Files (3.2 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:7c422a6224a472e54af951e2737a4c6e
3.2 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
MAM: طريقة للتجمعات المتعددة في الشبكات الاجتماعية عبر الإنترنت بناءً على العواطف والشخصيات والنصوص
Translated title (English)
MAM: Method for Multiple Groupings in Online Social Networks Based on Emotions, Personalities and Texts
Translated title (French)
MAM : Méthode pour plusieurs regroupements dans les réseaux sociaux en ligne basés sur les émotions, les personnalités et les textes
Translated title (Spanish)
MAM: Método para Agrupaciones Múltiples en Redes Sociales Online Basado en Emociones, Personalidades y Textos

Identifiers

Other
https://openalex.org/W1786010579
DOI
10.5753/isys.2014.256

Is supplement to
https://openalex.org/W93312527 (Other)
https://openalex.org/W828925460 (Other)
https://openalex.org/W2748952813 (Other)
https://openalex.org/W2603296253 (Other)
https://openalex.org/W2559405764 (Other)
https://openalex.org/W2557454913 (Other)
https://openalex.org/W1589203209 (Other)
https://openalex.org/W157591366 (Other)
https://openalex.org/W11365241 (Other)
https://openalex.org/W1013667899 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Brazil

References

  • https://openalex.org/W1532325895
  • https://openalex.org/W1554037975
  • https://openalex.org/W1555398107
  • https://openalex.org/W1559838798
  • https://openalex.org/W1969650088
  • https://openalex.org/W1971421925
  • https://openalex.org/W1992419399
  • https://openalex.org/W2050680319
  • https://openalex.org/W2061901927
  • https://openalex.org/W2097743430
  • https://openalex.org/W2112079156
  • https://openalex.org/W2127218421
  • https://openalex.org/W2130566991
  • https://openalex.org/W2132914434
  • https://openalex.org/W2132951961
  • https://openalex.org/W2140190241
  • https://openalex.org/W2155833512
  • https://openalex.org/W2170718421
  • https://openalex.org/W2479094337
  • https://openalex.org/W2532755691
  • https://openalex.org/W2895254845
  • https://openalex.org/W2953286800
  • https://openalex.org/W2995034616