Online reputation managment. Twitter

ONLINE REPUTATION
MANAGEMENT: AUTOMATIC
SUMMARIZATION ON TWITTER.
Máster en lenguajes y sistemas informáticos
avanzados
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA
TRABAJO FIN DE MASTER
1

MOTIVACIÓN
 La reputación en la red es la primera imagen de
una persona o compañía y las redes sociales
juegan un papel importante.
 La información sobre compañías se transmite en
cuestión de segundos y con ello las pudiendo
afectarles.
2

MOTIVACIÓN
¿Qué es la Reputación Online?
 La reputación online es el reflejo del prestigio o
estima de una persona o marca en Internet.
 La reputación sólo es parcialmente controlable ya
que se crea y recrea a partir de las percepciones
que conforman un estado de opinión.
3

CONTEXTUALIZACIÓN DEL
PROBLEMA
 Las compañías deben analizar toda la
información de la red rápidamente para:
 Dar respuesta.
 Cambiar las estrategias empresariales.
 Realizar modificaciones a un producto etc.
 Existen muchas aplicaciones en la web que
permiten estudiar el comportamiento de los
usuarios en la red.  Costes
4

PROBLEMA
COMMUNITY MANAGER
 En el ámbito de las relaciones públicas ha
tomado forma la figura del Responsable de
comunidad (Community Manager), encargado
de:
 Gestionar profesionalmente los aspectos relacionados
con la presencia en redes y medios sociales, y por lo
tanto,
 Construir y mantener la reputación online de la
empresa.
 Crear, analizar, entender y direccionar la
información.
 Crear estrategias de comunicación digital.
 Establecer una comunicación transparente.
5

PROBLEMA
ANÁLISIS DE LA REPUTACIÓN
 Es necesario hacer una exhaustivo análisis
cualitativo y cuantitativo plasmado en un
informe de Reputación:
 ¿Qué se habla de la marca? – Opiniones significativas en los que se
habla de la empresa.
 ¿Dónde se habla de la marca? – Los canales en que se menciona la
marca.
 ¿Quién habla de la marca? – Datos socio demográficos e influentes.
 ¿Cuándo se habla de la marca? – Fechas y periodos de tiempo
 ¿Cómo se habla de la marca? – Sentimiento de la menciones
 ¿Cuánto se habla de la marca? – Cifras y porcentajes que miden los
resultados cuantitativamente.
6

PROBLEMA
DIMENSIONES
 El usuario final tiene que ver la información de
manera clara y ordenada  la información aparece
clasificada en dimensiones.
 Las dimensiones de estos resúmenes se traducen a las
diferentes áreas de interés que tiene una empresa.
 Dimensiones del modelo RepTrak del Reputation
Institute:
 Oferta de Productos/ Servicios
 Innovación
 Entorno de trabajo
 Ciudadanía
 Integridad
 Liderazgo
 Finanzas. 7

HIPÓTESIS Y OBJETIVOS
Objetivo principal:
Generar un resumen de alta compresión sobre
entradas de microblog (Twitter) que permita el
análisis de la reputación de una compañía por
parte de expertos en comunicación.
Hipótesis:
El análisis de la reputación en el dominio
empresarial posee un conjunto de dimensiones
reputacionales que se pueden explotar en la
elaboración automática de un resumen.
8

TWITTER
 Plataforma microblogging que permite a sus
usuarios publicar en línea pequeños fragmentos
de texto.
 Más de 500 millones de usuarios, 65 millones de
Tuits al día y más de 800.000 peticiones de
búsqueda diarias.
 Características:
 Se permiten un máximo de 140 caracteres.
 Meta-datos:
 Mención a un usuario: @
 Hashtag: #
 Retuit: RT 10

SISTEMAS DE ACCESO A LA
INFORMACIÓN EN TWITTER
 Sankaranarayanan et al. (2009): un sistema de
identificación de noticias de última hora
construyendo un sistema de procesamiento de
noticias de Twitter.
 Efron (2011): introducción a los problemas que
encuentran los investigadores y desarrolladores
de la Recuperación de Información de sistemas
(IR) en la configuración de los microblogs.
11

RESUMEN AUTOMÁTICO EN
TWITTER
Resumen: un texto que se produce a partir de uno
o más textos, que transmite la información
importante al texto original.
Características de Twitter como fuente para el
resumen automático:
 Longitud
 Twitts ilegibles
 Diversidad de usuarios
 Hipervínculos
 Redundante
12

DESARROLLO DE LA SOLUCIÓN
La solución se centra en el resumen automático
de Tuits para las compañías incorporando
conocimiento a priori para posteriormente aplicar
un algoritmo de eliminación de redundancia.
13

CLASIFICACIÓN POR DIMENSIONES
Dimensiones reputacionales:
14

15

16

Gazzeters o Lexicones:
Representan un conocimiento a priori que reduce la
necesidad de un corpus de entrenamiento sobre el que
basar las decisiones del sistema.
Extraídos de unos determinados glosarios para cada
dimensión:
 Glosario financiero del Grupo Santander.
 Glosario sobre Política Económica y Social del Ministerio
de Economía y Finanzas.
 Glosario de términos sobre ciencia, tecnología e innovación
de la UNESCO.
 Glosario de términos del Servicio Público de Empleo
Estatal.
 …
17

CALCULO DE RELEVANCIA
Un Tuit es importante si:
 Trata sobre alguna dimensión de la empresa.
 Número de retuits: Se asume que un Tuit con muchos
retuits contiene información relevante.
 Redundancia: si algo se ha comentado por varias
personas, esta será considerada como información
relevante.
 Menciones y hashtags: Los usuarios experienciados y
influenciables, hacen menciones a otros usuarios o
temas en sus Tuits. 18

ELIMINACIÓN DE REDUNDANCIA
 El sistema elimina aquellos Tuits que tengan
cierta redundancia con un Tuit anterior.
 Para ello, se considera el número de palabras
solapadas en ambos Tuits , sin considerar
stopwords, es decir, términos sin contenido
semántico (determinantes, preposiciones, etc).
19

EXPERIMENTOS Y EVALUACIÓN
EXPERIMENTOS PREVIOS
 Los primeros experimentos realizados han sido con los
conjuntos de datos que ya estaban disponibles para el
proyecto.
 Existía una serie de corpus que contenía un conjunto de
Tuits relacionados con dos compañías. Estos han sido
procesados y clasificados por el sistema para obtener los
más relevantes generando así un resumen.
 Se han realizado comparaciones entre los dos informes
para ver la cobertura del modelo.
20

EXPERIMENTOS SOBRE DATOS ANOTADOS EN REPLAB
 El corpus que se utiliza en Replab se compone de
una colección de Tuits que se refieren a un
conjunto seleccionado de entidades del sector de
la automoción y banca.
 El rastreo se realizó durante el período
comprendido entre el 1 de junio de 2012 hasta el
31 de diciembre 2012 utilizando el nombre
canónico de la entidad en su consulta.
 Para este experimento se han seleccionado 19
entidades en total.
21

 Cada una de las gráficas muestra los resultados
para distintos grados de compresión,
determinados por el umbral de similitud aplicado
en el proceso de eliminación de redundancia
22

23

 El filtro de clasificación por dimensiones permite
un grado de compresión del 3% cubriendo un 20%
de los topics de alta relevancia.
 Obtenemos una menor cobertura sobre topics de
alta y media prioridad pero con un grado mucho
mayor de compresión.
24

CONCLUSIONES
 Es la primera vez que se aplican técnicas de
resumen después de introducir información
supervisada.
 Los informes que se generan aplicando la
clasificación por dimensiones cubren topics
relevantes de un periodo de tiempo determinado.
 Se ha abierto un camino que dará lugar a otros
estudios más avanzados o derivados.
25

LÍNEAS FUTURAS
 Mejora de la ampliación de la terminología
(gazetteers) al Inglés o incluso ampliarla a
algunos idiomas concretos.
 Lematización: llevar a cabo un análisis
morfológico antes de clasificar los Tuits.
 La utilización de URLs para enriquecer el
resumen.
26

Online reputation managment. Twitter

Más contenido relacionado

Similar a Online reputation managment. Twitter (12)

Último (20)

Online reputation managment. Twitter