[pyar] Analisis de Twitter

[Sebastián Seba]

El 26 de julio de 2016, 20:23, Sebastian Bassi <sebastian.bassi en globant.com>
escribió:

> 2016-07-25 9:59 GMT-07:00 Emiliano Vazquez <emilianovazquez en gmail.com>:
>
>> Les quería consultar si hay algo para leer sobre este tema, porque me
>> pareció interesante y estaría bueno leer un poco de esto. Obviamente,
>> tambien estaría bueno entender la parte de los bots y la generación de
>> estos hashtags en poco tiempo.
>>
>
> ​Solo quería agregar que en la mayoría de los casos los bots los detectas
> "a ojo" sin hacer ningún analisis. Al menos este tipo de bots que no son
> muy sofisticados. Digamos que están muy lejos de pasar test de Turing.
> Para seguir este ejemplo, un bot "PRO" sigue politicos del PRO, ninguno o
> casi ninguno de la oposición, tiene pocos tweets y la mayoría haciendo RT
> de los politicos del PRO que sigue. Practicamente no tienen tweets no
> relacionados a politica y si lo tiene son incoherencias copiados de otros
> tweets (también copian los avatars, aunque muchas veces dejan el huevito
> default).
> Cambiar PRO por FpV y estamos ante la misma situación (todos los partidos
> politicos como las grandes marcas los tienen)
> Igual debe estar bueno trabajar con este tema analiticamente usando big
> data.
> Aca unos posts interesantes del tema:
>

Lo "bueno" de que esos bots/trolls/trollbots/etc compartan esas
características/patrones es que resultan interesantes como entradas para un
set de datos a ser utilizado en algoritmos de Machine Learning. Una salida
sería la probabilidad de que esta cuenta *se parezca* a un bot.

Claro, "a ojo" tal vez sencillo (o no tanto) determinar el grado de
¿botitud? de una cuenta. La cuestión está en realizar el análisis
automatizado. Da para rato.

-- 
Sebastián J. Seba (ssebastianj)
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://listas.python.org.ar/pipermail/pyar/attachments/20160727/86b79c05/attachment.html>