Year: 2020
Type: dissertation
Abstract: La información es muy importante para la comunicación y el progreso de las sociedades, 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 el entorno de las redes sociales. Particularmente, la existencia de fake followers en Twitter, consigue aumentar la notoriedad de ciertas personas que los contratan de forma ilegítima, alterando artificialmente la esfera política, económica y social. En este entorno, se va a intentar mejorar un modelo preexistente de machine learning para la detección de fake followers, introduciendo al modelo nuevas características de redes sociales, basadas en el grado, la centralidad o el prestigio entre otros. Para la selección de estas características, será un factor relevante el crecimiento del coste de procesamiento conforme lo haga el volumen de los datos procesados, siendo la complejidad algorítmica un importante indicador de dicho coste. Posteriormente, se comparan crítica y cuantitativamente ambos modelos, con el n de determinar si la inclusión de métricas de redes sociales 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 conclusión de 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.
Source: e_Buah
Author: Daniel Francisco López
Language: Spanish
Topic: Spam and Phishing Detection
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W3195199893