Predecir el flujo político a partir de actualizaciones emocionales de Twitter

El análisis predictivo en las redes sociales se ha convertido en una herramienta e investigación importante en el Revista Internacional de Minería, Modelado y Gestión de Datos analiza cómo podría usarse para extraer el contexto emocional de los flujos de datos ricos en información en la plataforma de microblogs Twitter.

Satish Srinivasan y Ruchika Chari de la Escuela de Estudios Profesionales de Posgrado en Penn State Great Valley en Malvern, Pensilvania y Abhishek Tripathi de la Escuela de Negocios de The College of New Jersey, en Ewing, EE. UU., Sugieren que la minería de datos a gran escala podría ser se utiliza no solo para atrapar emociones a nivel de usuario individual sino en grandes grupos de usuarios.

El entrenamiento de un sistema multinomial de Bayes ingenuo y el uso de clasificadores de bosque aleatorios en diferentes conjuntos de datos de entrenamiento se pueden utilizar para extraer una clasificación emocional para los tweets relacionados con un tema en particular. El equipo ha demostrado con éxito una prueba de principio utilizando actualizaciones de Twitter asociadas con las elecciones presidenciales de EE. UU. De 2016. Con este enfoque, pudieron clasificar las actualizaciones de Twitter, los llamados «tweets», según uno de los cuatro tipos básicos de emociones: ira, felicidad, tristeza y sorpresa. Luego pudieron retratar el flujo en el panorama emocional durante este período disruptivo y divisivo de la historia moderna de Estados Unidos.

El análisis de este conjunto de datos en particular muestra cómo los usuarios de Twitter estaban generalmente más contentos con Clinton al principio de la campaña, pero a medida que se acercaba el día de las elecciones, hubo un aumento gradual de la felicidad con la candidatura de Trump y una disminución de la «sorpresa» asociada con los detalles de su campaña. El resultado, por supuesto, es historia, pero los algoritmos esgrimidos por el equipo corroboran la realidad que vimos y, por supuesto, bien pueden aplicarse a un escenario futuro para hacer predicciones sobre un resultado basadas en las emociones clasificadas inherentes a las actualizaciones de Twitter correspondientes. a ese escenario.