- -

Detección de contaminadores de contenido en Twitter: una aproximación basada en el Aprendizaje Automático

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Detección de contaminadores de contenido en Twitter: una aproximación basada en el Aprendizaje Automático

Show simple item record

Files in this item

dc.contributor.advisor Llobet Azpitarte, Rafael es_ES
dc.contributor.author Puche Lara, Ignacio es_ES
dc.date.accessioned 2020-10-19T15:45:18Z
dc.date.available 2020-10-19T15:45:18Z
dc.date.created 2020-07-21 es_ES
dc.date.issued 2020-10-19 es_ES
dc.identifier.uri http://hdl.handle.net/10251/152409
dc.description.abstract [ES] Uno de los principales usos diarios de internet son las redes sociales. En estas plataformas soncomunes las cuentas automatizadas no legítimas o también llamadas: ¿Contaminadores de Con-tenido¿. La existencia de dichos contaminadores resulta ser un problema tanto para los admin-istradores de la plataforma (por conseguir ciertos beneficios a costa incumplir las políticas delservicio) como para los usuarios. Es por ello, que en este proyecto se propone el uso de mode-los de Aprendizaje Automático para su detección. Durante el desarrollo del mismo, se analiza lasituación actual de Twitter respecto a estos contaminadores. Seguidamente, se evaluan las técnicas actuales acerca de esta rama de la Inteligencia Artificial así como el estado del arte en este ámbito.Además, se realizan diversos experimentos haciendo uso de estas técnicas, entrenando modelos deAprendizaje Automático con distintos conjuntos de datos de uso público sobre Contaminadores deContenido. Concretamente se realizan tres aproximaciónes: detección a nivel de usuario, a nivelde tweet y por último, una combinación de los mismas. Finalmente, se concluye que estas técnicasson fructíferas respecto a la detección de estos usuarios no legítimos, destacando el rendimientode modelos como los Bosques Aleatorios o las Redes Neuronales. es_ES
dc.description.abstract [EN] One of the main daily uses of the internet are social networks. On these platforms, there are com-monly automated non-legitimate accounts, the so-called ¿Content Polluters¿. The existence ofthese polluters is a problem for both platform administrators (since they acquire benefits by vi-olating the terms of use) and users. Hence, this project proposes the use of Machine Learningmodels in order to detect and identify them. During its development, the current situation of Twit-ter regarding these polluters is analyzed. Next, both the currently employed techniques of thisbranch of Artificial Intelligence and the state of the art in this ambit are examined. Moreover,some experiments are done with the use of these techniques, training Machine Learning modelswith different datasets of public use about Content Polluters. Concretely, three approaches take place: user level detection, tweet level detection and finally, a combination of both. In the end, theconclusion is that these methods are appropriate with respect to the detection of this non-legitimateusers, emphasizing the good performance of models such as Random Forests or Neural Networks. en_EN
dc.format.extent 67 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Aprendizaje Automático es_ES
dc.subject Redes Sociales es_ES
dc.subject Classificación de Bots es_ES
dc.subject Aprendizaje Supervisado es_ES
dc.subject Conjunto de datos Caverlee-2011 es_ES
dc.subject Machine Learning en_EN
dc.subject Social Networks en_EN
dc.subject Malicious Bot Classification en_EN
dc.subject Supervised Learning en_EN
dc.subject Caverlee-2011 Dataset en_EN
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación-Grau en Enginyeria de Tecnologies i Serveis de Telecomunicació es_ES
dc.title Detección de contaminadores de contenido en Twitter: una aproximación basada en el Aprendizaje Automático es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros de Telecomunicación - Escola Tècnica Superior d'Enginyers de Telecomunicació es_ES
dc.description.bibliographicCitation Puche Lara, I. (2020). Detección de contaminadores de contenido en Twitter: una aproximación basada en el Aprendizaje Automático. http://hdl.handle.net/10251/152409 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\128876 es_ES


This item appears in the following Collection(s)

Show simple item record