Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos

Autores
Funes, Federico M.; Álvarez-Hamelin, J. Ignacio; Beiró, Mariano G.
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo utilizamos un conjunto de datos recolectados de la red social Twitter con el objetivo de analizar el desempeño de distintos modelos que proponemos para determinar la geolocalización de los usuarios de la plataforma. También realizamos un análisis sobre los perfiles de los usuarios para verificar qué tan fiable puede ser la determinación de su residencia. En el artículo detallamos distintas formas de construir las redes que modelan las relaciones entre los usuarios a fin de mejorar la estimación de su ubicación, con sus respectivas ventajas y desventajas. Por último, explicamos nuestro procedimiento para la detección de términos locales, y la conformación de secuencias para los métodos basados en redes neuronales.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
aprendizaje automático
redes sociales
procesamiento del lenguaje natural
geolocalización
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/151589

id SEDICI_e19d5b016b1866bac0c2216efedd65bc
oai_identifier_str oai:sedici.unlp.edu.ar:10915/151589
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafosFunes, Federico M.Álvarez-Hamelin, J. IgnacioBeiró, Mariano G.Ciencias Informáticasaprendizaje automáticoredes socialesprocesamiento del lenguaje naturalgeolocalizaciónEn este trabajo utilizamos un conjunto de datos recolectados de la red social Twitter con el objetivo de analizar el desempeño de distintos modelos que proponemos para determinar la geolocalización de los usuarios de la plataforma. También realizamos un análisis sobre los perfiles de los usuarios para verificar qué tan fiable puede ser la determinación de su residencia. En el artículo detallamos distintas formas de construir las redes que modelan las relaciones entre los usuarios a fin de mejorar la estimación de su ubicación, con sus respectivas ventajas y desventajas. Por último, explicamos nuestro procedimiento para la detección de términos locales, y la conformación de secuencias para los métodos basados en redes neuronales.Sociedad Argentina de Informática e Investigación Operativa2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf30-43http://sedici.unlp.edu.ar/handle/10915/151589spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/256/205info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:39:02Zoai:sedici.unlp.edu.ar:10915/151589Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:39:02.784SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
title Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
spellingShingle Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
Funes, Federico M.
Ciencias Informáticas
aprendizaje automático
redes sociales
procesamiento del lenguaje natural
geolocalización
title_short Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
title_full Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
title_fullStr Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
title_full_unstemmed Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
title_sort Geolocalización de usuarios en Twitter utilizando redes convolucionales de grafos
dc.creator.none.fl_str_mv Funes, Federico M.
Álvarez-Hamelin, J. Ignacio
Beiró, Mariano G.
author Funes, Federico M.
author_facet Funes, Federico M.
Álvarez-Hamelin, J. Ignacio
Beiró, Mariano G.
author_role author
author2 Álvarez-Hamelin, J. Ignacio
Beiró, Mariano G.
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
aprendizaje automático
redes sociales
procesamiento del lenguaje natural
geolocalización
topic Ciencias Informáticas
aprendizaje automático
redes sociales
procesamiento del lenguaje natural
geolocalización
dc.description.none.fl_txt_mv En este trabajo utilizamos un conjunto de datos recolectados de la red social Twitter con el objetivo de analizar el desempeño de distintos modelos que proponemos para determinar la geolocalización de los usuarios de la plataforma. También realizamos un análisis sobre los perfiles de los usuarios para verificar qué tan fiable puede ser la determinación de su residencia. En el artículo detallamos distintas formas de construir las redes que modelan las relaciones entre los usuarios a fin de mejorar la estimación de su ubicación, con sus respectivas ventajas y desventajas. Por último, explicamos nuestro procedimiento para la detección de términos locales, y la conformación de secuencias para los métodos basados en redes neuronales.
Sociedad Argentina de Informática e Investigación Operativa
description En este trabajo utilizamos un conjunto de datos recolectados de la red social Twitter con el objetivo de analizar el desempeño de distintos modelos que proponemos para determinar la geolocalización de los usuarios de la plataforma. También realizamos un análisis sobre los perfiles de los usuarios para verificar qué tan fiable puede ser la determinación de su residencia. En el artículo detallamos distintas formas de construir las redes que modelan las relaciones entre los usuarios a fin de mejorar la estimación de su ubicación, con sus respectivas ventajas y desventajas. Por último, explicamos nuestro procedimiento para la detección de términos locales, y la conformación de secuencias para los métodos basados en redes neuronales.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/151589
url http://sedici.unlp.edu.ar/handle/10915/151589
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/256/205
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
30-43
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616265041182720
score 13.070432