Webcrawling clustering en espacio multidimensional basado en distancia y su aplicación a Opinion Mining

Abstract

La explosión multimedial y la revolución surgida a partir de la Web 2.0 donde los consumidores de información son a su vez productores de contenido han reflejado un cambio de paradigma en la comunicación. Este cambio vuelve a las herramientas de sondeo de opinión tales como encuestas, focus group y sondeos telefónicos limitadas en su alcance, imprecisas en sus resultados y sesgadas por sus métodos convirtiendo a las mismas en prácticamente obsoletas. Los medios de comunicación se han hecho eco de esto y en los medios más representativos se permite a los lectores participar de las noticias por medio de las redes sociales. Son necesarias para explorar y descubrir de manera continua y sistematizada estos nuevos canales de expresión, analizar los contenidos de las expresiones en los mismos y poder extraer conocimiento de estos flujos de información a escala masiva. En este trabajo se parte de un nuevo concepto de la minería de datos, se analiza una nueva estrategia para descubrir nuevos canales mediante el Webcrawling inteligente, se proponen nuevos formas de modelado de conceptos y opiniones para poder sintetizarlos y cuantificarlos para su posterior análisis, se da a conocer un método para realizar este análisis de las percepciones y finalmente se demuestran las posibilidades de clusterización de la información obtenida.

Multimedia consumption and the revolution caused by the Web 2.0 phenomenon, where information consumers are also producers are clearly reflected by a paradigm shift in modern communication. Due to this change, traditional survey tools such as focus groups, phone surveys and quizzes are now limited in scope and lack precision, turning them obsolete. Mass media has echoed this and now allows readers and consumers to participate in news through social networks. This paper analyzes a new strategy to discover new channels, proposes new ways to model concept and opinions and how to synthetize and quantify them for their later analysis, and, finally, various methods for clustering and grouping for the obtained information are shown.