Social-Univ 2.0: Tecnologıas del Lenguaje Humano,aplicacion para la monitorizacion omnicanal del

entorno social de la Universidad de Alicante

Social-Univ 2.0: Human Languages Tecnologies applied to theomnichannel monitoring of the University of Alicante’s digital

social environment

Isabel Moreno1,2, Javi Fernandez2, Yoan Gutierrez1

1Instituto Universitario de Investigacion Informatica, Universidad de Alicante2Departamento de Lenguajes y Sistemas Informaticos, Universidad de Alicante

Apdo. de Correos 99 E-03080, Alicante, Spain{imoreno, javifm, ygutierrez}@dlsi.ua.es

Resumen: Este proyecto viene motivado por la necesidad de conocer el ecosistemadigital social universitario de aquellas universidades con presencia en redes sociales,y mas concretamente, de la Universidad de Alicante. Para ello, las Tecnologıas delLenguaje Humano juegan un papel fundamental, ya que se utilizan para extraermeta-datos sobre comentarios de las redes sociales y representar tanto perfiles deactores sociales (empresas, instituciones, personas, etc.) como la relacion social queexiste entre ellos en un determinado perıodo de tiempo. El resultado de este proyectoes facilitar el estudio de fenomenos como: las interacciones sociales y sus matices;analizar grupos sociales y sus comportamientos (i.e. patrones de su crecimiento ydecrecimiento); identificacion de actores sociales relevantes e influyentes; identificartemas comunes en determinados grupos sociales; y la medicion de campanas y even-tos a traves de los medios sociales.Palabras clave: Tecnologıas del Lenguaje Humano, Universidad, Social, Relaciones

Abstract: This project is motivated by the need to know the digital social uni-versity ecosystem of those universities present in social networks. More specifically,the focus is the University of Alicante. To that end, Human Language Technologies(TLH) play a fundamental role. TLH are employed not only to extract meta-datafrom comments from social networks, but also to represent profiles of social ac-tors (companies, institutions, people, etc.) as well as the social relation that existsbetween them in a certain period of time. The outcome of this project is to easethe study of phenomena such as: social interactions and its nuances; analyse socialgroups and their behaviours (i.e. their growth and decline patterns); identificationof relevant and influential social actors; identify common themes in certain socialgroups; and measurement of campaigns and events through social media.Keywords: Human Language Tecnologies, University, Social, Relations

1 Introduccion

Actualmente, Internet cuenta con mas de4000 millones de usuarios conectados1. LaWeb 2.0 (o Web social) es uno de los escena-rios de Internet donde los usuarios juegan unpapel primordial, pues ya no solo consumeninformacion, si no que los usuarios tambienforman parte activa en la creacion de conte-nidos. Estos pueden participar, interactuar eintercambiar informacion con otros usuarios

1https://www.internetworldstats.com/stats.htm (Febrero 2019)

en redes sociales. Por ejemplo si se analizanlos datos de Twitter, una de las redes socialesmas conocidas, observamos que cuenta conmas de 344 millones de usuarios activos2, quegeneran 500 millones de tweets al dıa3.

Dicha informacion textual se encuentra endiversas fuentes de informacion de distintanaturaleza y en distintos idiomas. Estos fac-

2http://www.internetlivestats.com/watch/twitter-users/ (Febrero 2019)

3http://www.internetlivestats.com/twitter-statistics/ (Febrero 2019)

Procesamiento del Lenguaje Natural, Revista nº 63, marzo de 2019, pp. 179-182 recibido 15-03-2019 revisado 09-05-2019 aceptado 14-05-2019

ISSN 1135-5948. DOI 10.26342/2019-63-25 © 2019 Sociedad Española para el Procesamiento del Lenguaje Natural

tores, unidos a la redundancia y a la infor-macion contradictoria, suponen que los usua-rios inviertan mucho mas tiempo de lo desea-do analizando la informacion para seleccionaraquella que sea de su interes.

Por lo tanto, es necesario reducir el tiempoque los usuarios invierten en analizar gran-des cantidades de informacion formuladas enlenguaje natural. Esto se consigue gracias alas Tecnologıas del Lenguaje Humano (TLH)que se encargan de procesar automaticamen-te el lenguaje humano de manera eficiente yefectiva.

Para su correcto funcionamiento se ha me-jorado la busqueda, recuperacion y extrac-cion de informacion (Irfan et al., 2015; Dal-vi, Cohen, y Callan, 2012; El-Helw, Farid, yIlyas, 2012) o la deteccion y minerıa de opi-niones (Gutierrez, Tomas, y Fernandez, 2015;Ravi y Ravi, 2015; Montoyo, Martınez-Barco,y Balahur, 2012; Mihalcea, Banea, y Wiebe,2012; Thelwall y Buckley, 2013), junto conlos procesos intermedios involucrados en cadauna, como el analisis semantico (Li y Joshi,2012; Gutierrez, Vazquez, y Montoyo, 2017).

A pesar de esa mejora, es evidente la nece-sidad de integrar todos los procesos de TLHanteriores en una sola plataforma. De estaforma, la informacion de redes sociales quenecesita el usuario, sera recuperada y proce-sada para presentarsela de manera adecuaday flexible para su posterior analisis.

2 Estado del arte

En la actualidad existen infraestructurasanalıticas que de alguna forma incluyen TLH.Algunos ejemplos serıan: (i) Atribus4 rastrea,busca, recoge, filtra y devuelve todo lo que seesta diciendo de un cliente en la red a partirde las palabras clave en tiempo real; (ii) Na-tural Opinions5 analiza todo lo que se estadiciendo en cada momento en Internet so-bre una persona, una marca, una instituciono un producto, y detecta automaticamentelas entidades, conceptos y opiniones mas re-levantes; (iii) Textalytics6 extrae elementoscon significado de cualquier contenido y loestructura para que procesarlo y gestionarlofacilmente; (iv) Sentiment viz7 estima y vi-sualiza el sentimiento asociado a textos cor-

4http://www.atribus.com (Febrero 2019)5http://www.bitext.com (Febrero 2019)6https://www.meaningcloud.com (Febrero 2019)7http://www.csc.ncsu.edu/faculty/healey/

tweet_viz/tweet_app (Febrero 2019)

tos e incompletos; (v) Tweet Reach8 permi-te obtener informes estadısticos a partir deanalizar twitter; (vii) SocialBro9 gestiona yanaliza comunidades de Twitter para que losprofesionales del Marketing analicen a fondosus contactos y definan sus estrategias con-secuentemente; y (viii) SumAll10 obtiene es-tadısticas sobre seguidores de varias redes so-ciales como Facebook o Instagram y generagraficas de intervalos de tiempo (dıas, sema-nas, meses) con numeros de me gustas, men-sajes, localidades, etc.

Sin embargo, si nos enfocamos en el uso delas TLH a dıa de hoy, no encontramos infra-estructuras analıticas que analicen el impac-to que las universidades tienen en las redessociales. Por tanto, si desearamos conocer elecosistema digital social en el entorno de unauniversidad, serıa necesario emplear cuantio-sos recursos, humanos y temporales, en en-tender cada noticia y comentario que se emi-te sobre esa universidad. Despues, podrıamoscrear perfiles e identificar roles de todos aque-llos actores y eventos que pudieran incidir ensu reputacion a nivel social y global.

3 Propuesta

Ante la falta de tecnologıas que resuelvan es-ta problematica, el Grupo de Procesamientodel Lenguaje Natural y Sistemas de Informa-cion (GPLSI) se plantea este proyecto, dondese persigue como objetivo estudiar, a travesdel uso de las TLHs, el entorno digital-socialuniversitario. Por este motivo, se elige comocaso de estudio la Universidad de Alicante(UA) y entidades relacionadas con esta ins-titucion. El objetivo principal se centra en eluso de las TLHs para extraer meta-datos so-bre comentarios de las redes sociales y repre-sentar tanto perfiles de actores sociales (em-presas instituciones, personas, etc.) como larelacion social que existe entre ellos en undeterminado perıodo de tiempo. La Figura 1nos proporciona una idea grafica del resulta-do esperado.

Para alcanzar nuestras metas requerimosdel procesamiento de grandes cantidades deinformacion proveniente de las redes sociales,por lo que se hace uso de plataformas ya exis-tentes en el GPLSI. Entre ellas, destacamosla plataforma Social Analytics (Fernandez etal., 2017), con su ayuda podemos obtener

8http://tweetreach.com (Febrero 2019)9http://es.socialbro.com (Febrero 2019)

10https://sumall.com (Febrero 2019)

Isabel Moreno, Javi Fernández, Yoán Gutiérrez

180

Figura 1: Perfiles y relaciones sociales en la Web 2.0

contenido de la Web Social y extraer meta-datos sobre cualquier entidad digital, en estecaso de estudio la UA, desde un punto devista analıtico, tras un intenso procesamien-to de mensajes de usuarios sociales. A conti-nuacion, el analisis de sentimientos y emocio-nes intervienen como las claves para valorarlas diferentes posturas (valoracion, opinion,etc.) que cada actor tiene respecto a otros.Finalmente se disenan y aplican algoritmosque permiten obtener modelos de representa-cion tanto de perfiles de actores sociales (em-presas, instituciones, personas, etc.) como larelacion social que existe entre ellos en un de-terminado perıodo de tiempo.

Para que el proyecto se lleve a cabo conexito, son precisas las siguientes tareas:

1. Analisis y definicion de tecnologıas: Estatarea tiene como objetivo analizar los re-querimientos de este proyecto, estudian-do en profundidad los tipos de aplicacio-nes, recursos, herramientas y tecnologıasnecesarias, ası como sus disponibilidadesy viabilidades en el desarrollo de ellas. Sedefinen tambien las guıas y formato a se-guir en el desarrollo de TLH necesarias.Ademas, se establece el modo de visua-lizacion para presentar los datos.

2. Recuperacion y extraccion de informa-cion: En esta tarea se reutilizan y desa-rrollan TLHs que permitan rastrear, re-cuperar y extraer informacion de dis-tintas fuentes (webs, foros, blogs, redessociales, etc.), formatos (JSON, XML,HTML, etc.) e idiomas (inicialmenteingles y espanol).

3. Minerıa y procesamiento de textos: Enesta tarea reutilizan y desarrollan lasTLHs necesarias para que, a partir detextos escritos en lenguaje humano, es-tos sean analizados y posteriormente cla-sificados y estructurados para ser alma-cenados considerando tecnologıas de Mi-nerıa de Datos. La clasificacion resul-tante es interpretada segun: el signifi-cado de la unidad de informacion; losdominios al que se refiere el contexto;la determinacion si es o no una opinion(informacion objetiva versus subjetiva);polaridad emocional implicada; terminosrelevantes detectados y contabilizados;la geolocalizacion de contenido generadopor usuarios y de autores; etc. Ademas,dentro de esta tarea se tienen en cuentaque aspectos pueden influir en la cali-dad del contenido de la informacion, co-mo por ejemplo, informacion redundan-te, contradictoria, inconsistente, etc., yque pueden afectar al texto generado.

4. Presentacion del contenido resultante:En esta tarea se analizan, reutilizan ydesarrollan enfoques que permitan re-presentar el contenido procesado au-tomaticamente de un modo util y sen-cillo para ser interpretados por usuariosfinales. Es decir, representar tanto per-files de actores sociales como la relacionsocial que existe entre los actores en undeterminado perıodo de tiempo.

5. Integracion de tecnologıas: En esta ta-rea los mejores enfoques de investigacionanalizados en las tareas previas se inte-

Social-Univ 2.0: tecnologías del lenguaje humano, aplicación para la monitorización omnicanal del entorno social de la Universidad de Alicante

181

gran en un unico proceso. Esto permitetener como entrada unas necesidades deinformacion, y generar como salida, unpaquete con informacion anotada a dis-tintos niveles, que sera la que de lugar alcontenido finalmente mostrado a usua-rios finales.

6. Evaluacion de los resultados: La evalua-cion es un aspecto clave y crucial parael proyecto. Se realizan dos tipos de eva-luaciones: (i) una evaluacion intrınsecade cada una de los enfoques analizadosy propuestos para cada tarea involucra-da en el proyecto en base a sistemas dereferencia, y (ii) una evaluacion extrınse-ca para medir la utilidad de las tecno-logıas desarrolladas como un todo. Paraambas se utilizan metodos cuantitativos,basados en las medidas tradicionales deprecision y cobertura, y cualitativos, quepermitan analizar criterios para los queno existen todavıa medidas automaticas(por ejemplo, coherencia de los resulta-dos mostrados).

4 Resultados

El resultado tecnologico de este proyectoes una herramienta llamada Social-Univ 2.0que involucra las tecnologıas antes menciona-das. En un futuro, dicha herramienta podrıaadaptarse a aplicaciones moviles y el UA-Cloud11 de la UA. Social-Univ 2.0 requerirapara su funcionamiento del uso de tecnologıasde minerıa de textos sociales provenientes delsistema Social Analytics.

Con las tecnologıas resultantes de esteproyecto es posible estudiar el entorno socialde las entidades sociales digitales, en concretola universidad de Alicante. Esto incluye: estu-diar las interacciones sociales y sus matices;analizar grupos sociales y sus comportamien-tos (i.e. crecimiento, decrecimiento); identifi-cacion de actores sociales relevantes e influ-yentes; identificar temas comunes en determi-nados grupos sociales; y la medicion de cam-panas y eventos a traves de medios sociales.

Agradecimientos

Este proyecto con referenciaENCARGOINTERNO5-19EN: “Social-Univ 2.0: Tecnologıas del Lenguaje Humano,aplicacion para la monitorizacion omnicanal

11https://cvnet.cpd.ua.es/uacloud/ (Febrero2019)

del entorno social de la Universidad deAlicante”, esta financiado por la Universidadde Alicante.

BibliografıaDalvi, B. B., W. W. Cohen, y J. P. Callan. 2012.

Websets: extracting sets of entities from theweb using unsupervised information extrac-tion. En WSDM.

El-Helw, A., M. H. Farid, y I. F. Ilyas. 2012.Just-in-time information extraction using ex-traction views. En Proceedings of the 2012ACM SIGMOD International Conference onManagement of Data, SIGMOD ’12, paginas613–616, New York, NY, USA. ACM.

Fernandez, J., F. Llopis, P. Martınez-Barco,Y. Gutierrez, y A. Dıez. 2017. Analizandoopiniones en las redes sociales. Procesamientodel Lenguaje Natural, 58:141–148.

Gutierrez, Y., D. Tomas, y J. Fernandez. 2015.Benefits of using ranking skip-gram techniquesfor opinion mining approaches. En eChallen-ges e-2015 Conference, paginas 1–10. IEEE.

Gutierrez, Y., S. Vazquez, y A. Montoyo. 2017.Spreading semantic information by word sensedisambiguation. Knowledge-Based Systems,132:47 – 61.

Irfan, R., C. K. King, D. Grages, S. Ewen, S. U.Khan, S. A. Madani, J. Kolodziej, L. Wang,D. Chen, A. Rayes, y et al. 2015. A survey ontext mining in social networks. The Knowled-ge Engineering Review, 30(2):157–170.

Li, Y. y K. D. Joshi. 2012. The state of so-cial computing research: A literature reviewand synthesis using the latent semantic analy-sis approach. En AMCIS.

Mihalcea, R., C. Banea, y J. Wiebe. 2012. Mul-tilingual subjectivity and sentiment analysis.En Tutorial Abstracts of ACL 2012, ACL ’12,paginas 4–4, Stroudsburg, PA, USA. Associa-tion for Computational Linguistics.

Montoyo, A., P. Martınez-Barco, y A. Balahur.2012. Subjectivity and sentiment analysis:An overview of the current state of the areaand envisaged developments. Decision Sup-port Systems, 53(4):675 – 679.

Ravi, K. y V. Ravi. 2015. A survey on opinionmining and sentiment analysis: Tasks, approa-ches and applications. Knowledge-Based Sys-tems, 89:14 – 46.

Thelwall, M. y K. Buckley. 2013. Topic-basedsentiment analysis for the social web: The roleof mood and issue-related words. Journal ofthe American Society for Information Scienceand Technology, 64(8):1608–1617.

Isabel Moreno, Javi Fernández, Yoán Gutiérrez

182