Selección de zonas de interés en el Valle de Aburrá y San Nicolás con el método de identificación de clústeres basados en densidad y vecino cercano mejorado aplicado en redes sociales.
.
Selecting Areas of Interest in Valle de Aburrá and San Nicolás Town Using the Identification Method of Density-Based Clustering and Improved nearest Neighbor Applied in Social Networks.ResumenMás que nunca, las redes sociales han cobrado un importante puesto en la interacción y el comportamiento de los humanos en la última década. Esta valiosa posición hace que sea imperativo analizar diferentes aspectos de la vida cotidiana y la ciencia en general. En el presente artículo se ilustra cómo fue el proceso de captura y almacenamiento de la información, la aplicación de los métodos de Clustering basados en densidad y vecino cercano mejorado en los datos y un repaso por los resultados, mostrando los elementos utilizados en la identificación de l... Ver más
2027-8101
2619-5232
7
2016-07-19
27
39
CUADERNO ACTIVA - 2016
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
| Sumario: | Selecting Areas of Interest in Valle de Aburrá and San Nicolás Town Using the Identification Method of Density-Based Clustering and Improved nearest Neighbor Applied in Social Networks.ResumenMás que nunca, las redes sociales han cobrado un importante puesto en la interacción y el comportamiento de los humanos en la última década. Esta valiosa posición hace que sea imperativo analizar diferentes aspectos de la vida cotidiana y la ciencia en general. En el presente artículo se ilustra cómo fue el proceso de captura y almacenamiento de la información, la aplicación de los métodos de Clustering basados en densidad y vecino cercano mejorado en los datos y un repaso por los resultados, mostrando los elementos utilizados en la identificación de las zonas de interés a través de clústeres, circunferencias y radios de cobertura obtenidos para realizar un análisis de segmentación demográfico de la información obtenida a través de las redes sociales Twitter y Flickr, permitiendo conclusiones más profundas sobre un tema o temática predefinida. Por último, se plantea la necesidad de elaborar una aplicación que automatice todos los procesos acá definidos, permitiendo que usuarios finales interesados en estos temas tengan acceso a ella y puedan obtener resultados importantes para su organización o interés. Palabras clave: Clúster, redes sociales, identificación de clústeres, machine learning.AbstractMore than ever, social networks have become an important place in the interaction and behaviour of humans in the last decade. This valuable position makes it imperative to analyze different aspects of everyday life and science in general. This paper illustrates the process of capturing and storing information, the application of density-based clustering and improved nearest neighbor, and a review of the results. The study also shows the elements used in the identification of areas of interest through clusters, circumferences and coverage radii obtained for a demographic segmentation analysis of the information procured from Twitter, Flickr and the like. This results in more profound conclusions about a predefined topic or theme. Finally, the need arises to develop an application that makes all the defined process automatic, allowing final users interested in those topics to have access to it and get important results for their organizations or interest. Keywords: Clustering, social networks, clustering identification, machine learning.
|
|---|---|
| ISSN: | 2027-8101 |