Nuestras opiniones e intereses están muy influenciados por nuestro círculo social ( o viceversa ). ¿Pero hasta qué punto? Con un poco de Python y machine learning podemos empezar a acercarnos a una respuesta, Al menos dentro de Twitter.
https://www.linkedin.com/pulse/recomendaci%C3%B3n-de-informaci%C3%B3n-basada-en-an%C3%A1lisis-redes-celayes
https://www.dropbox.com/s/vw295rgisv9sdu6/tesisSNA.pdf?dl=0
El presente trabajo se origina en el estudio de técnicas de Análisis de Redes Sociales para mejorar la calidad de un recomendador de contenido para entornos corporativos. Estudiamos el problema de recomendación de contenido basada en preferencias del entorno social de un usuario. Construimos un conjunto de datos de muestra extraído de la red social Twitter y a partir de estos datos entrenamos y evaluamos modelos de clasicación binaria SVM ( Support Vector Machines ) que predicen retweets de un usuario en base a los de su entorno.
Se obtiene una calidad media de predicción F 1 superior al 84 % sin analizar el contenido de los tweets . En los casos en que la predicción social pura no es tan buena, se estudian modelos aumentados con características extraídas del contenido, usando el modelo temático pro- babilístico LDA ( Latent Dirichlet Allocation ).