Detecting Influencers in Social Media using information from their followers

Rodríguez-Vidal, Javier, Gonzalo, Julio y Plaza, Laura . (2020) Detecting Influencers in Social Media using information from their followers. Procesamiento del Lenguaje Natural. 2020, 64: 21-28

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Rodriguez_Vidal_Javier_Detecting_Influencers.pdf Rodriguez Vidal_Javier_Detecting Influencers.pdf application/pdf 738.29KB

Título Detecting Influencers in Social Media using information from their followers
Título paralelo Detectando Influencers en Medios Sociales utilizando la información de sus seguidores
Autor(es) Rodríguez-Vidal, Javier
Gonzalo, Julio
Plaza, Laura
Materia(s) Informática
Resumen Dada la tarea de encontrar influencers en un dominio dado (i.e. banking) en una red social, en este artículo investigamos (i) la importancia de caracterizar a los seguidores para la detección automática de influencers; (ii) la manera más efectiva de combinar señales obtenidas de los seguidores y de los perfiles principales para la detección automática de influencers. En este trabajo, hemos modelado el discurso usado por los usuarios en dos dominios, automotive y banking, así como el lenguaje utilizado por los influencers en dichos dominios y por sus seguidores, y utilizamos estos Modelos de Lenguaje para estimar la probabilidad de ser un influencer. Nuestro mayor descubrimiento es que los influencers no sólo dependen de su conocimiento sobre el dominio sino del de sus seguidores; por lo tanto, cuanto mayor conocimiento y número de expertos haya entre sus seguidores, mayor será la probabilidad que el perfil sea de un influencer.
Abstract Given the task of finding influencers of a given domain (i.e. banking) in a social network, in this paper we investigate (i) the importance of characterizing followers for the automatic detection of influencers; (ii) the most effective way to combine signals obtained from followers and from the main profiles for the automatic detection of influencers. In this work, we have modeled the discourse used in two domains, banking and automotive, as well as the language used by the influencers in such domains and by their followers, and used these Language Models to estimate the probability of being influencer. Our most remarkable finding is that influencers not only depend on their expertise on the domain but also on that of their followers, so that the more knowledge and number of experts among their followers, the more probability of being influencer a profile has.
Palabras clave Learning to Rank
Web and social media search
Information extraction
Social Network Analysis
Natural Language Processing
Social Media Influencers
Búsqueda Web y en Medios Sociales
Extracción de Información
Análisis de Redes Sociales
Procesamiento de Lenguaje Natural
Influencers en Redes Sociales
Editor(es) Sociedad Española para el Procesamiento del Lenguaje Natural
Fecha 2020-03
Formato application/pdf
Identificador bibliuned:DptoLSI-ETSI-GPLNyRI-Jrodriguez-0005
http://e-spacio.uned.es/fez/view/bibliuned:DptoLSI-ETSI-GPLNyRI-Jrodriguez-0005
DOI - identifier https://doi.org/10.26342/2020-64-2
ISSN - identifier 1135-5948
Nombre de la revista Procesamiento del Lenguaje Natural
Número de Issue 64
Página inicial 21
Página final 28
Publicado en la Revista Procesamiento del Lenguaje Natural. 2020, 64: 21-28
Idioma eng
Versión de la publicación acceptedVersion
Tipo de recurso Article
Derechos de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de acceso Acceso abierto
Notas adicionales This is an Accepted Manuscript of an article published by Sociedad Española para el Procesamiento del Lenguaje Natural in "Procesamiento del Lenguaje Natural. 2020, 64: 21-28, available at: https://doi.org/10.26342/2020-64-2
Notas adicionales Este es el manuscrito aceptado del artículo publicado por Sociedad Española para el Procesamiento del Lenguaje Natural en "Procesamiento del Lenguaje Natural. 2020, 64: 21-28", disponible en línea: https://doi.org/10.26342/2020-64-2

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 34 Visitas, 10 Descargas  -  Estadísticas en detalle
Creado: Fri, 26 Jan 2024, 22:39:38 CET