Recopilación de tweets y medición de la relevancia basada en la topología

Abstract

[ES] En este proyecto se ha creado una base de datos MongoDB y una aplicacion en Python ´ que utiliza la API de Twitter para obtener tuits e informacion de las cuentas de usuarios. Se ´ ha obtenido una coleccion de tuits relacionados con pol ´ ´ıtica espanola. Se han implementado ˜ los algoritmos PageRank y HITS usando matrices obtenidas a partir tanto de las relaciones de seguimiento entre cuentas como de las relaciones de retuits y se han empleado para ordenar a los autores de los tuits recogidos segun su relevancia. La calidad de las distintas or- ´ denaciones se ha estudiado y comparado con metricas m ´ as triviales. El algoritmo PageRank ´ ha dado los mejores resultados. Se ha empleado el algoritmo de clusterizacion´ k-medoids y se ha estudiado la relevancia y la polaridad con respecto a distintos partidos pol´ıticos de los diferentes clusteres creados.

[CA] En aquest projecte s’ha creat una base de dades MongoDB i una aplicacio en Python ´ que utilitza la API de Twitter per a obtenir tuits i informacio dels comptes d’usuaris. S’ha ´ obtingut una col·leccio de tuits relacionats amb pol ´ ´ıtica espanyola. S’han implementat els algorismes PageRank i HITS usant matrius obtingudes a partir tant de les relacions de seguiment entre comptes com de les relacions de retuits i s’han emprat per a ordenar als autors dels tuits recollits segon la seua rellevancia. La qualitat de les diferents ordenacions s’ha ` estudiat i comparat amb metriques m ` es trivials. L’algorisme PageRank ha donat els millors ´ resultats. S’ha emprat l’algorisme de clusteritzacio´ k-medoids i s’ha estudiat la rellevancia i ` la polaritat pel que fa a diferents partits pol´ıtics dels diferents clusters creats.

[EN] In this project a MongoDB database and a Python application which uses Twitter’s API to obtain tweets and information of the user accounts have been created. A collection of tweets related with spanish politics has been obtained. The algorithms PageRank and HITS have been implemented using matrixes created using both the following and the retweeting relationships between user accounts. The results have been used to sort the authors of the obtained tweets according to their relevance. The quality of the different sortings has been studied and compared with more trivial metrics. The PageRank algorithm has showed the best results. The clustering algorithm k-medoids has been applied. The relevance and polarities relating various political parties of the clusters created have been studied.