MINERA DE DATOS APLICADA A REDES SOCIALES

DATA MINING APPLIED TO SOCIAL NETWORKS

Angela Gloria Gmez Pea1

1 Universidad de las Ciencias Informticas, Cuba, aggomez@uci.cu, Universidad de las Ciencias Informticas. Carre-
tera a San Antonio de los Baos, Km. 2 . Torrens, municipio de La Lisa. La Habana, Cuba.

RESUMEN: Extraer conocimiento til de grandes volmenes de datos almacenados en bases de datos, es una
caracterstica notable que nos brinda la Minera de Datos (MD). Las redes sociales en la actualidad han alcan-
zado un gran auge, pues se han convertido en una de las principales herramientas en todo el mundo para com-
partir conocimiento, gustos e interactuar con personas u organizaciones, por lo que su estudio y anlisis, igual-
mente es de alta relevancia para investigadores de diversas ramas.
La aplicacin de MD a las redes sociales, por lo tanto, confiere utilidad a las mismas. La capacidad de relacionar
los diversos autores con sus investigaciones, resulta de igual modo un reto. Destacar entonces en una red so-
cial, el autor de mayor nmero de publicaciones, el autor con mayor nmero de publicaciones agrupado por nive-
les, entre otros, requiere del estudio y aplicacin de normas existentes para el control de autoridades; normas
tales como la ISAD(G) o la MARC 21, encargadas de estandarizar la gestin de autoridades en instituciones
archivsticas, bibliotecas y centros de documentacin.
En el presente trabajo se realiza un estudio de las principales tcnicas de MD utilizadas actualmente por las
redes sociales enfocadas a investigadores.

Palabras Clave: agrupamiento, clasificacin, minera de datos, redes sociales, reglas de asociacin.

ABSTRACT: Extract knowledge useful for large volumes of data stored in databases, is a notable feature pro-
vided by the data mining (MD). Social networks have now reached a boom, as they have become one of the
main tools in the world to share knowledge, tastes and interact with people or organizations, so its study and
analysis, is also highly relevant to researchers from different branches.
The application of MD social networks, therefore, confers utility to them. The ability to relate the various authors
with their research, is equally challenging. Highlight then in a social network, the author of greater number of
publications, the author with highest number of publications grouped by levels, among others, requires the study
and application of existing standards for the control of authorities; standards such as the ISAD (G) or the MARC
21, responsible for standardizing the management authorities in institutions ar-chivisticas, libraries and documen-
tation centres.
In the present work is a study of the main MD techniques currently used by researchers focused social networks.

KeyWords: association rules, classification, clustering, data mining, social networks.

1. INTRODUCCIN nologas de la Informacin y las Comunicaciones

(TICs), ha generado un aumento considerable de la
En la actualidad, el continuo desarrollo de las Tec- cantidad de datos almacenados en las bases de
XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016
 Gmez, Angela | MINERA DE DATOS APLICADA A REDES SOCIALES

datos; incremento que excede la habilidad de espe- 2. CONTENIDO

cialistas para reducir y analizar los datos sin el uso
de tcnicas de anlisis automatizadas. 2.1 Conceptos generales
La gestin de los datos almacenados supone una
actividad cotidiana en muchas empresas u orga- El Descubrimiento de Conocimiento en Bases de
nismos pblicos, utilizados muy a menudo en la Datos o KDD es el proceso completo de extraccin
toma de decisiones. En consecuencia, la necesidad de informacin, que se encarga adems de la pre-
de analizar estos datos y extraer conocimiento no paracin de los datos y de la interpretacin de los
implcito de los mismos de forma automtica, origi- resultados obtenidos. KDD se ha definido como el
n el nacimiento de una nueva disciplina denomina- proceso no trivial de identificacin en los datos de
da Descubrimiento de Conocimiento en Bases de patrones vlidos, nuevos, potencialmente tiles, y
Datos o Knowledge Discovery in Data bases (KDD, finalmente comprensibles. [2]
por sus siglas en ingls). Ello trajo consigo que los De la definicin anterior se deducen una serie de
datos generados producto de procesos llevados a propiedades que debera cumplir el conocimiento
cabo, pasaran a ser la materia prima para extraer extrado:
conocimiento til que ayude a tomar decisiones en
Vlido: Los patrones encontrados deben descri-
los mbitos de donde se extraen.
bir datos nuevos.
El proceso de KDD comprende diversas etapas,
Novedoso: Debe aportar conocimiento nuevo.
que van desde la obtencin de los datos hasta la
aplicacin del conocimiento adquirido en la toma de Potencialmente til: La informacin debe ayudar
decisiones. Entre esas etapas, se encuentra la que en la toma de decisiones futuras.
puede considerarse como el ncleo del proceso Comprensible: Los patrones encontrados deben
KDD y que se denomina Minera de Datos (MD). [1] ser suficientemente comprensibles para que
Las redes sociales por su parte, han alcanzado un proporcione conocimiento. [3]
innegable auge en el mundo actual. Las mismas El proceso de KDD se inicia con la identificacin de
son un ejemplo inherente de cmo el desarrollo de los datos. Una vez que se dispone de datos, se
las TICs ha jugado un papel importante en el hom- deben seleccionar aquellos que sean tiles para los
bre como ser social; facilitando su interaccin con objetivos propuestos. Luego se inicia la MD, proce-
personas de todo el mundo con quienes comparte so en el que se seleccionarn las herramientas y
gustos, conocimientos u otros intereses en comn. tcnicas adecuadas para lograr los objetivos pre-
Las redes sociales son objeto de estudio particular tendidos. Y finalmente se realiza el anlisis de resul-
en diversos campos, desde la sociologa hasta la tados para adquirir los conocimientos pretendidos.
gestin del conocimiento. En muchos casos el an-
lisis de redes sociales se fundamenta en la extrac-
cin de conocimiento a partir de sus fuentes masi-
vas de datos. La capacidad para descubrir informa-
cin nueva y significativa usando los datos existen-
tes, resulta til para que las personas u organiza-
ciones identifiquen la mejor forma de interactuar
para compartir conocimiento.
No es hasta principio de siglo XXI donde comienzan
a surgir sitios que fomentaban las redes sociales,
entre las que ms se destacan actualmente Face-
book, Twitter, LinkedIn, YouTube, ResearchGate,
entre otras.
Concisamente, la MD necesita de un conjunto im-
portante de datos y las redes sociales los almace-
nan, establecindose as el nexo de unin entre los
dos campos.
El presente trabajo tiene como objetivo, realizar un
estudio de las principales tcnicas de MD utilizadas Figura. 1: Metodologa para el descubrimiento de
en las redes sociales tradicionales para extraer conocimiento en BD
conocimiento, resumiendo elementos importantes
para la definicin de las tcnicas a utilizar sobre El presente trabajo se centra en el proceso de MD
datos almacenados por diferentes redes sociales, y de la metodologa KDD, con el objetivo de encontrar
as facilitar la toma de decisiones y contribuir con la patrones que aporten el conocimiento til, que per-
definicin de estrategias segn el enfoque que es- mita contribuir a la gestin del conocimiento de in-
tas reciban. vestigadores, a partir de una toma de decisiones
certera.

XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016

 Gmez, Angela | MINERA DE DATOS APLICADA A REDES SOCIALES
La MD es un trmino genrico que engloba resulta-
dos de investigacin, tcnicas y herramientas usa-
das para extraer informacin til de grandes bases
de datos. [4] Es una fase del proceso KDD aunque
en ocasiones son tratados indistintamente.
El objetivo fundamental tras la MD en las redes
sociales es la idea de incrementar la satisfaccin de
la experiencia de los usuarios, que reciben ofertas
de mayor inters al haber sido diseadas previa-
mente en funcin de los datos obtenidos, los usua-
rios pueden contactarse con personas ms simila-
res a ellos, les llegan promociones ms acordes a
sus gustos, necesidades y posibilidades y mejoras
del servicio en varios aspectos.
Las tcnicas de la MD provienen de la inteligencia
artificial y de la estadstica, dichas tcnicas, no son
ms que algoritmos sofisticados que se aplican
sobre un conjunto de datos para obtener unos resul-
tados.
Segn el objetivo del anlisis de los datos, los algo-
ritmos utilizados se clasifican en supervisados y no
supervisados:
Algoritmos supervisados (o predictivos): predi-
cen un dato o un conjunto de ellos, desconoci-
dos a priori, a partir de otros conocidos.
Algoritmos no supervisados (o descriptivos): se
descubren patrones y tendencias en los datos.
Entre las tcnicas supervisadas se encuentran las
de Clasificacin y de Prediccin, mientras que las
no supervisadas se centran en los Clustering y Re-
glas de Asociacin. A continuacin se explican bre-
vemente en que consiste cada una de ellas.
La Clasificacin: Es el proceso de dividir un conjun-
to de datos en grupos mutuamente excluyentes [5],
de tal forma que cada miembro de un grupo est lo
ms cerca posible de otros y grupos diferentes es-
tn lo ms lejos posible de otros, donde la distancia
se mide con respecto a las variables especificadas,
que se quieren predecir.
La Prediccin: Es el proceso que intenta determinar
los valores de una o varias variables, a partir de un
conjunto de datos. La prediccin de valores conti-
nuos puede planificarse por las tcnicas estadsti-
cas de regresin [6]. Las tcnicas de prediccin
ms importantes se presentaran en la clasificacin
bayesiana, la basada en casos y las redes de neu-
ronas.
Agrupamiento o Clustering: Es un procedimiento de
agrupacin de una serie de vectores segn criterios
habitualmente de distancia; se tratar de disponer
los vectores de entrada de forma que estn ms
cercanos aquellos que tengan caractersticas co-
munes. La principal caracterstica de esta tcnica es
la utilizacin de una medida de similitud que, en
general, est basada en los atributos que describen
a los objetos, y se define usualmente por proximi-
dad en un espacio multidimensional. Dos de los
algoritmos ms utilizados para hacer clustering son:
XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016
Algoritmo K-means.
Algoritmo K-medoids.
Reglas de Asociacin: Se emplea para establecer
las posibles relaciones o correlaciones entre distin-
tas acciones o sucesos aparentemente indepen-
dientes; pudiendo reconocer como la ocurrencia de
un suceso o accin puede inducir o generar la apa-
ricin de otros [7]. Son utilizadas cuando el objetivo
es realizar anlisis exploratorios, buscando relacio-
nes dentro del conjunto de datos. Las asociaciones
identificadas pueden usarse para predecir compor-
tamientos, y permiten descubrir correlaciones y co-
ocurrencias de eventos. Uno de los algoritmos ms
utilizado es el algoritmo A priori.
Una tcnica, constituye el enfoque conceptual para
extraer la informacin de los datos, y en general es
implementada por varios algoritmos. Cada algoritmo
representa, en la prctica, la manera de desarrollar
una determinada tcnica paso a paso, de forma que
es preciso un entendimiento de alto nivel de los
algoritmos para saber cul es la tcnica ms apro-
piada para cada problema. Asimismo es preciso
entender los parmetros y las caractersticas de los
algoritmos para preparar los datos a analizar [8].
Las tcnicas de MD intentan obtener patrones o
modelos a partir de los datos recopilados. Decidir si
los modelos obtenidos son tiles o no suele requerir
una valoracin subjetiva por parte del usuario.
2.2 Redes sociales
Las Redes son formas de interaccin social, defini-
das como un intercambio dinmico entre personas,
grupos e instituciones [9]. Una red social es un
sistema abierto y en construccin permanente invo-
lucrando a conjuntos de personas que se identifican
con las mismas necesidades y problemticas y que
se organizan para potenciar sus recursos.
El concepto de red social ha adquirido una impor-
tancia notable en los ltimos aos. Las redes socia-
les en Internet son comunidades virtuales donde
sus usuarios interactan con personas de todo el
mundo con quienes encuentran gustos o intereses
en comn.
Existen muchos tipos de redes sociales clasificadas
segn su propsito y mbito. Sin embargo, pode-
mos hablar de tres grandes categoras:
Redes personales: Se componen de cientos o miles
de usuarios en los que cada uno tiene su pequeo
espacio con su informacin, sus fotos, su msica,
etc. y cada uno se puede relacionar con los dems
de mltiples maneras, aunque todas ellas involu-
cran el uso de Internet de una u otra forma. Presen-
tan una tipologa horizontal. Las redes sociales per-
sonales son las ms numerosas y conocidas. Las
ms extendidas son Facebook, Tuenti, Google +,
Twitter y Myspace.
 Gmez, Angela | MINERA DE DATOS APLICADA A REDES SOCIALES
Redes temticas: Son similares a las anteriores
aunque se diferencian por el hecho de que suelen
centrarse en un tema en concreto y proporcionan
las funcionalidades necesarias para el mismo. Por
ejemplo, una red de cine, una de informtica, de
algn tipo de deporte, etc. Presentan una tipologa
vertical por Tipo de Actividad. Las ms habituales
son las redes sociales relacionadas con las aficio-
nes, las profesiones o las bsquedas de pareja. La
ms conocida es Flickr.
Redes profesionales: Las redes profesionales son
herramientas que ofrecen en un mismo espacio
online y de fcil acceso, aplicaciones que facilitan
las relaciones, interpretaciones y la comunicacin
entre sus usuarios, siendo el objetivo principal desa-
rrollar el crecimiento dentro de sectores profesiona-
les especficos de cada usuario y crear vnculos
estratgicos que le potencien en el mercado laboral
[10]. Presentan una tipologa vertical por Tipo de
Usuario. Ejemplo de red social profesional tenemos
a Linkedin.
El objetivo principal de las redes profesionales es
desarrollar el crecimiento dentro de sectores estra-
tgicos para un profesional, tambin persigue po-
tenciar la creacin de vnculos estratgicos, multi-
plicacin de contactos, desarrollar bases para bus-
car y encontrar empleo, desarrollo de credibilidad y
participacin, existen innumerables objetivos de
acuerdo a la estrategia que cada profesional desa-
rrolla dentro de la red.
Existe un cmulo de redes sociales de investigado-
res caracterizadas por la gestin del conocimiento,
cuyo aporte es significativo para elevar el nivel cien-
tfico de los investigadores que de ellas forman par-
te, y estn mayormente enfocadas a problemas
tales como:
Bsqueda de proyectos y/o personas que domi-
nen determinadas competencias.
Generacin de estadsticas mediante grficas.
Gestin de preguntas y respuestas.
Gestin de publicaciones.
Incorporacin de usuarios a proyectos en de-
pendencia de las competencias.
Asociacin de grupos de debate a proyectos.
Almacenamiento y divulgacin de publicaciones
cientficas de los usuarios.
Asociacin de publicaciones a proyectos.
Seguimiento a la actividad de los usuarios, gru-
pos de debate y proyectos.
2.3 Clustering en las redes sociales
Las tcnicas de Clustering han sido utilizadas para
el anlisis de datos generados por las redes socia-
les. Esto se ha evidenciado en diferentes estudios
donde cada autor refleja sus propias impresiones
XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016
acerca de su uso e importancia. A continuacin se
exponen diferentes criterios y anlisis relacionados.
Charles Kadushin plantea que la esencia de la teo-
ra del anlisis de redes sociales reside en la consi-
deracin de la red completa. Destaca que son ne-
cesarios conceptos y mtodos analticos que expli-
quen la red completa y describan y resuman varios
conceptos de la misma. Para ello tiene en cuenta
los siguientes aspectos:
Las distribuciones de las propiedades de la red,
que incluyen el nmero de diadas1 y triadas2 de
la red.
La densidad o nmero de conexiones conteni-
das en la red.
Los agujeros estructurales, una categora que
representa la ausencia de conexiones.
La fuerza de los vnculos dbiles, que plantea la
hiptesis de que las cosas importantes fluyen a
partir de personas con las que se tiene una co-
nexin limitada.
La popularidad y la centralidad demuestran que
algunos nodos tienen ms conexiones que
otros y que dichas conexiones sirven de vnculo
para otros nodos.
La distancia que existe entre los nodos de la
red.
La multiplicidad reconoce que pueden existir
muchas redes que conecten de forma distinta.
La posicin o rol que alude a cmo los nodos se
relacionan con otros nodos de la red. [11]
Un rasgo principal en las redes sociales es la alta
transitividad, que significa que si A y B estn conec-
tados y tambin existe una conexin entre B y C, es
probable que exista tambin una conexin entre A y
C. La transitividad conduce a un agrupamiento den-
tro de las comunidades y requiere unos modelos
diferentes a los que funcionan para otros tipos de
red. El agrupamiento en redes sociales ocurre por-
que las personas pertenecen a grupos y organiza-
ciones de uno u otro tipo, o escriben documentos en
colaboracin, o aparecen en las mismas pelculas.
Tambin viven en vecindarios geogrficamente
delineados, y ello puede propiciar que asistan a los
mismos eventos. Se dice que las personas estn
conectadas cuando comparten su perteneca a una
de estas comunidades; a la inversa, las comunida-
des estn conectadas cuando comparten al menos
1 Una dada consiste en un par de actores y los posi-
bles vnculos entre ellos. Los vnculos se contemplan
siempre como una propiedad de una pareja de actores, y
nunca como una caracterstica individual. Por lo tanto la
dada es el nivel mnimo al cual puede realizarse el an-
lisis.
2 Subconjunto de tres actores y sus posibles vnculos.
Importantes mtodos y modelos se basan en ellas para
su anlisis, particularmente los interesados en la transiti-
vidad y en el equilibrio de las relaciones.
 Gmez, Angela | MINERA DE DATOS APLICADA A REDES SOCIALES
una persona en comn. En el lenguaje de las ma-
temticas esta dualidad recibe el nombre de grafos
bipartitos [12].
Las afiliaciones formales basadas en el estatus,
organizaciones y otras formas de perteneca forma-
les, solo captan un aspecto de las estructuras socia-
les modernas. La amistad informal y otro tipo de
relaciones como los crculos sociales tambin sir-
ven para el agrupamiento en redes sociales.
Xavier Polanco asocia el anlisis de redes sociales
con el comportamiento de la web a partir de las
siguientes concepciones:
La Web es un ejemplo de red social, La Web es
una red dirigida, cada documento puede caracteri-
zarse por el nmero de enlaces de entrada, con
parentesco, y de salida, Consideremos un grafo
dirigido cuyos nodos corresponden a las pginas
estticas en la web, y cuyos arcos corresponden a
los hipervnculos entre esas pginas. [13]
A partir de estas ideas, enfoca las ventajas de la
tcnica de Clustering mediante la teora de grafo
para encontrar las asociaciones que pueden existir
mediante link a otras pginas. Los resultados obte-
nidos se enfocan en determinar cantidad de Cluste-
ring encontrados relacionados con los usuarios o
temas de inters, as como la clasificacin de los
sitios visitados segn determinados criterios.
Por su parte en una breve historia sobre redes so-
ciales David Ugarte plantea el uso de la tcnica de
Clustering para trazar la red social de grupos de
usuarios con determinadas preferencias, donde
usando Google por ejemplo se obtienen datos de
distintas categoras:
Los enlaces que los nodos hacen desde sus
pginas web, permiten clasificar por pocas a
quienes han enlazado ms o menos, y tambin,
va archivos, a quienes han enlazado de forma
permanente en cada poca.
Las colaboraciones en medios, libros u otras
webs.
Si publican libros, qu autores han publicado en
esas mismas editoriales en distintos aos,
quines seleccionaron los contenidos, etc.
Las conferencias en las que cada uno de los
miembros ha participado como ponente en cada
uno de esos periodos, con quines han coinci-
dido en las mesas y quines las organizaban
y/o patrocinaban.
Los rganos institucionales a los que han perte-
necido (desde directivas de asociaciones a r-
ganos de administraciones o empresas) y, por
supuesto, con quines han coincidido y con qu
frecuencia en cada una de ellas.
Las empresas que participan y junto a quin en
cada momento.
Los proyectos colectivos en los que han tomado
parte (voluntariado, jurados de concursos, etc.)
XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016
y junto a qu personas. [14]
Varios artculos consultados hacen referencia al
agrupamiento en redes sociales partiendo de un
coeficiente de agrupacin. Este es una medida del
grado en el que los nodos en un grfico tienden a
agruparse. La evidencia sugiere que en la mayora
de redes del mundo real, y en particular las redes
sociales, los nodos tienden a crear grupos muy
unidos que se caracterizan por una densidad relati-
vamente alta de enlaces.
Una de las tareas de minera de contenido Web
ms usuales consiste en agrupar documentos (do-
cument clustering, en ingls). Uno de sus principa-
les usos ocurre en recuperacin de informacin,
donde el uso de grupos cohesivos de documentos
similares favorece la eficiencia y efectividad de la
recuperacin. Lo anterior se basa en la denominada
hiptesis de clustering, la cual establece que docu-
mentos con contenidos similares son relevantes
tambin a las mismas consultas. Muchas nociones
de similitud pueden ser usadas para agrupar docu-
mentos, pero todas ellas buscan finalmente que la
funcin de similitud refleje las relaciones semnti-
cas entre los contenidos de los documentos agru-
pados. Usando algoritmos estndar de agrupamien-
to en colecciones de documentos como k-means,
es posible determinar para cada documento el gru-
po al cual pertenece. Otras aproximaciones, basa-
das generalmente en tcnicas difusas, permiten que
cada documento pueda pertenecer simultneamen-
te a ms de un grupo. [15]
A partir de los planteamientos anteriores se puede
exponer que las tcnicas de Clustering aportan un
beneficio innegable cuando de anlisis de redes
sociales se trata. Especficamente, para la identifi-
cacin de disimiles agrupaciones en una variedad
de escenarios, que sirvan de apoyo para la toma de
decisiones y definicin de estrategias de trabajo
para incrementar y mejorar la vida y el nivel cientfi-
co en la Universidad respectivamente.
2.4 Clasificacin y prediccin en redes so-
ciales
Las redes sociales estn siendo objeto de anlisis
para realizar predicciones futuras. En ellas se esta-
blecen las conversaciones ms activas del planeta.
Twitter, con su mayora demogrfica y su lmite de
140 caracteres en los mensajes directos (actual-
mente ilimitado e incluyendo mensajes, fotos, vi-
deos sin agotar caracteres), es muy directo y efecti-
vo. Esto hace del canal de micro mensajera el foco
principal para estudiosos que buscan maneras de
profundizar en los comportamientos de los usua-
rios con el fin de mejorar sus ofertas y predecir la
demanda del futuro.
Las redes sociales han sido objeto de anlisis de
manera general en varios campos:
 Gmez, Angela | MINERA DE DATOS APLICADA A REDES SOCIALES
Predecir acontecimientos sociales y polticos:
El cientfico del Instituto Tecnolgico de Mas-
sachusetts Nathan Kallusacaba present
un estudio basado en el golpe de estado de
Egipto en 2013, donde afirma haber desarro-
llado una tcnica para predecir grandes acon-
tecimientos a partir de
los tweets relacionados compartidos por los
usuarios en la red social Twitter. La tcnica
de prediccin de protestas sociales a partir
de tweets se basa en una serie de modelos
comparativos de actividad analizados ante-
riormente, con el fin de establecer mediante
algoritmos de clculo aquellos rasgos comu-
nes que ayuden a determinar si son o
no indicadores predictivos de una protesta
social. Teniendo en cuenta que no es posible
verificar con exactitud y en tiempo real la ve-
racidad de toda la informacin compartida a
travs de la red, Kallus asegura que se puede
predecir a priori el comportamiento social en
torno a un hecho concreto con cierta preci-
sin. [16]
Extraccin de datos desestructurados de per-
sonas, por compaas e individuos de todo el
mundo quienes obtienen el valor de datos
historicos aplicando la analtica predictiva.
Predicciones electorales.
Predecir el desempeo laboral o acadmico:
Un estudio de la Old Dominion University de
EEUU comprob que un anlisis sobre los
perfiles en las redes sociales ofrece mejores
resultados para determinar si una persona
ser un buen trabajador que los test psicol-
gicos. [17]
Predecir epidemias de gripe: El grupo de in-
vestigacin de Henry Kautz, de la Universidad
de Rochester, concluy que a travs la red
social de los ciento cuarenta caracteres tam-
bin se puede prever la incidencia de la gripe.
Rastrearon en los tweets de 600.000 usua-
rios neoyorquinos palabras clave relaciona-
das con los sntomas del virus y elaboraron
un algoritmo que ofreca datos de la inciden-
cia de la enfermedad muy parecidos a los del
sistema de salud. Segn los escpticos, este
sistema no es fiable, puesto que los tweete-
ros no representan a la poblacin general.
[18]
Predecir el xito de un producto, campaa o
evento. [19]
Predecir la criminalidad: Los tesoros escon-
didos en Twitter pueden ser sumamente ti-
les para combatir crmenes, asegura
un estudio estadunidense segn el cual mu-
chos delitos o agresiones pueden ser detec-
tados por adelantado si se analiza de forma
adecuada esa informacin. El anlisis de
tweets permite predecir 19 de 25 formas de
XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016
criminalidad, en especial el acoso u hostiga-
miento, el robo y algunos tipos de agresin,
de acuerdo con un trabajo de la Universidad
de Virginia publicado en el peridico cientfico
"Decision Support Systems". [20]
Por su parte las tcnicas de clasificacin juegan un
papel fundamental en la categorizacin de docu-
mentos, digamos en una red profesional, en una o
ms categoras predefinidas. Generalmente las
categoras representan temas en los cuales es ne-
cesario categorizar a los documentos facilitando su
organizacin y posterior recuperacin. Para lograr
esto, los documentos son caracterizados usando su
texto, a partir de alguno de los modelos de repre-
sentacin de documentos frecuentemente usados
en recuperacin de informacin. Para construir un
categorizador es necesario disponer de una colec-
cin de documentos de entrenamiento, donde cada
uno de los documentos que la conformen est pre-
viamente etiquetado con una o ms de las catego-
ras a las cuales pertenecen. Muchas tcnicas de
mquinas de aprendizaje han sido aplicadas al pro-
blema de categorizacin de documentos, entre ellas
Redes Bayesianas, k vecinos ms cercanos y M-
quinas de Soporte Vectorial. Todas ellas tienen en
comn el uso del texto para representar a cada
documento en el espacio vectorial de trminos.
Adems todas ellas son tcnicas supervisadas, es
decir, requieren de pginas de ejemplos previamen-
te categorizadas a partir de las cuales extraer pa-
trones que permitan categorizar nuevas pginas.
[21]
El anlisis de sentimientos en las redes sociales e
Internet de manera general, es otro de los aspectos
que est cobrando cada vez mayor importancia
debido fundamentalmente a la gran cantidad de
comentarios que se escriben por parte de millones
de usuarios de todo el mundo a travs de blogs,
foros o las propias redes sociales. Las tcnicas de
clasificacin, especficamente en la minera de tex-
tos cobran fuerza a la hora de analizar la informa-
cin estructurada y desestructurada que se encuen-
tra en todos estos mbitos.
A partir de los planteamientos anteriores es posible
afirmar que las tcnicas de Clasificacin y Predic-
cin aportan un alto valor agregado en el anlisis de
redes sociales, especficamente para la prediccin
de hechos o sucesos de impacto en variedades de
escenarios y la clasificacin de documentos segn
sus contenidos, que definitivamente aportan cono-
cimientos tiles a aquellos que la utilicen.
Segn las necesidades que dieron origen a realizar
anlisis sobre este tipo de red, se propone para su
aprovechamiento:
Clasificar las publicaciones por categoras,
teniendo en cuenta que las categoras repre-
sentan temas o competencias de investiga-
cin de la red social.
 Gmez, Angela | MINERA DE DATOS APLICADA A REDES SOCIALES
Determinar los temas de investigacin o
competencias de mayor inters, a partir del
anlisis de preguntas y respuestas, bsque-
das de publicaciones ms visitadas, compe-
tencia de los autores ms consultados, etc.
Realizar predicciones sobre el incremento en
el tiempo de publicaciones por autores.
Predecir los proyectos con mayor tendencia
al xito.
Usuarios ms solicitados y/o colaborativos,
mediante el anlisis de las mejores respues-
tas, asociacin a proyectos, etc.
Competencia ms desarrollada y/o deman-
dada.
Entre otras.
2.5 Reglas de asociacin en las redes so-
ciales
Las reglas de asociacin se utilizan para descubrir
hechos que ocurren en comn dentro de un deter-
minado conjunto de datos. La mayora de las inves-
tigaciones relacionadas con el uso de esta tcnica
estn orientadas a diversas aplicaciones como:
Soporte para la toma de decisiones.
Diagnstico y prediccin de alarmas en tele-
comunicaciones.
Anlisis de informacin de ventas.
En el contexto de minera de uso estas reglas ha-
cen referencia a asociaciones entre recursos de
cada sitio siendo cada sesin de usuarios modelada
como una transaccin. Una regla en este contexto
puede indicar, por ejemplo, cuan fuerte es la aso-
ciacin entre dos pginas del sitio, sugiriendo a los
administradores del sitio la utilidad de agregar un
hiperenlace entre ambos recursos. Para encontrar
estas reglas se debe considerar cada posible com-
binacin de condiciones para que haya una conse-
cuencia.
2.6 Materiales y mtodos
A lo largo de la presente investigacin se utiliz el
mtodo cientfico analtico sinttico, aplicado a la
descripcin de del proceso KDD, enfatizando en la
fase de MD y su repercusin en las redes sociales
tradicionales como fuentes de datos. Se describi la
aplicacin de las diferentes tcnicas supervisadas y
no supervisadas en el mbito de las redes sociales
a partir de un estudio del estado del arte donde se
pone de manifiesto el mtodo cientfico histrico -
lgico.
3. CONCLUSIONES
La minera de datos es el proceso dentro del des-
cubrimiento de conocimiento en BD que permite
obtener patrones interesantes de apoyo a la toma
de decisiones. Las redes sociales son fuentes de
XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016
informacin actualizada a nivel mundial y utilizan
para su propsito tcnicas de minera de datos.
Las tcnicas de Minera de Datos ms utilizadas en
las redes sociales tradicionales actualmente se
basan en Clustering Numrico, Redes Bayesianas,
Clasificacin Basada en Casos, Regresin y Basa-
da en Reglas. Esta seleccin sirve de apoyo a la
toma de decisiones en diferentes aspectos tales
como: gestin de la actividad cientfica, incremento
del nivel cientfico tcnico de los usuarios y pre-
diccin de resultados.
4. REFERENCIAS BIBLIOGRFICAS
[1], [3] Montero Navarro, Miguel Angel. 2009. [En
lnea] Junio de 2009.
https://www.lsi.us.es/docs/doctorado/memorias/Me
moInvestigMiguelAMontero.pdf.
[2] Fayyad, U. 1996. Advanced in Knowledge Dis-
covery and Data. 1996.
[4], [8] Molina Lpez, Jos Manuel y Garca He-
rrero, Jess. 2006. TCNICAS DE ANLISIS DE
DATOS. 2006.
[5] S.M. Weiss, C. A. Kulikowski. Computer Sys-
tems That Learn: Classification and Prediction
Methodsfrom Statistics, Neural Nets, Machine
Learning, and Expert Systems. San Mateo: CA:
Morgan Kaufmann, 199 1.
[6] Agresti, A. 1996. An Introduction to Categorical
Data Analysis. York: John Wiley & Sons: s.n., 1996.
[7] R. Agrawal, T. Imielinski, and A. Swami. 1993.
Mining association rules between sets of items in
large databases. s.l.: Washington, DC, 1993.
[9] 2010. LAS REDES SOCIALES. [En lnea] 4 de
Mayo de 2010. https://www.facebook.com/notes/te-
adoro-muchomucho-mucho-/las-redes-
sociales/388065201395.
[10] Sueiras, Edita. 2014. Scribd. [En lnea] 2014.
http://es.scribd.com/doc/24658747/Redes-sociales-
definicion.
[11], [12] Kadushin, Charles. 2013. Comprender
las redes sociales, Teoras, conceptos y hallazgos.
Montalbn 8.28014, Madrid: s.n., 2013.
[13] Polanco, Xavier. 2001. Clusters, Grafos y Re-
des. Montevideo: s.n., 2001.
[14] Ugarte, David de. 2007. Breve Historia del
Anlisis de Redes Sociales. s.l.: Biblioteca de las
Indias, 2007.
[15], [21] Mendoza, Marcelo. 2011. MINERIA DE
DATOS EN LA WEB. 2011.
[16] Perez, Miguel A. 2014. Think Big. [En lnea] 19
de Marzo de 2014. http://blogthinkbig.com/predecir-
grandes-acontecimientos-twitter/.
[17] infobae-derf. 2014. DERF Agencia Federal de
Noticias. [En lnea] 24 de Abril de 2014.
http://derf.com.ar/despachos.asp?cod_des=606942
 Gmez, Angela | MINERA DE DATOS APLICADA A REDES SOCIALES
&ID_Seccion=21&fecemi=24/04/2014&Titular=la-
actividad-en-redes-sociales-permite-predecir-el-
comportamiento-laboral.html.
[18] Snchez, Clara. 2014. Saluspot. [En lnea]
2014. http://blog.saluspot.com/las-redes-sociales-
pueden-predecir-las-epidemias-de-gripe/.
[19] Clark, Alex. 2014. Digimind. [En lnea] 17 de
Febrero de 2014. http://digimind.com/blog/es/redes-
sociales/como-predecir-el-futuro-con-la-
monitorizacion-de-las-redes-sociales/.
[20] EFE Washington, D.C. 2014. SIPSE. [En lnea]
22 de Abril de 2014.
http://sipse.com/tecnologia/twitter-criminalidad-
predicciones-86709.html.
5. SNTESIS CURRICULAR DEL AUTOR
Angela Gloria Gmez Pea: Nacida en la provincia Las Tunas,
XVI Congreso Internacional de Informtica en la Educacin, INFOREDU 2016
municipio Las Tunas, Cuba, con fecha 12 de mayo de 1987.
Graduada de Ingeniero en Ciencias Informticas, en la
Universidad de las Ciencias Informticas, Cuba, en junio de
2010. Se ha desempeado como Analista de Sistemas de
Software, Planificador de proyectos de software y Jefe de
Proyecto.
Actualmente se desempea como Jefe de Proyecto en la
Universidad de las Ciencias Informticas y trabaja en la lnea
asociada a la Gestin de la Informacin, especficamente
gestin Bibliotecaria.
Ha logrado publicaciones asociadas a la replicacin de datos y
gestin archivstica. Actualmente investiga en la temtica de la
Gestin de Autoridades, tanto para la Gestin bibliotecaria como
para la Archivstica.
Los datos de contacto son los siguientes:
Direccin postal: Universidad de las Ciencias Informticas.
Carretera a San Antonio de los Baos, Km. 2 . Torrens,
municipio de La Lisa. La Habana, Cuba.
Direccin electrnica: aggomez@uci.cu