Identificación del perfil demográfico de influencers en Twitter utilizando Deep Learning

Abstract

El perfilado de autor en redes sociales consiste en predecir de forma automática los atributos demográficos de una población de usuarios a partir de la información que estos comparten y generan en las redes sociales. El perfilado de autor segmenta a los usuarios de acuerdo con sus atributos demográficos, lo que permite a empresas y organizaciones ajustar el contenido que proveen a los usuarios con fines de mercadotecnia, promoción política, programas sociales, información educativa, entretenimiento, entre otros. En este artículo se presenta un análisis del desempeño de distintos modelos de aprendizaje profundo (Deep learning) para realizar la predicción del género, ocupación y año de nacimiento de influencers en Twitter. La predicción se hace de manera indirecta, analizando no el contenido de los influencers, si no los mensajes de texto publicados por los seguidores de estos. Para evaluar el desempeño de los modelos se utilizó el conjunto de datos publicado en la conferencia PAN@CLEF 2020 que contiene en su parte de entrenamiento más de 166 millones de tweets de los seguidores de 1920 influencers; y en su parte de prueba cerca de 35 millones de tweets de los seguidores de 400 influencers. A estos datos se les extrajeron como características textuales las palabras y con éstas se realizaron los experimentos, evaluando el desempeño de los modelos utilizando la métrica macro F1. Los resultados indican que los modelos de aprendizaje profundo tienen dificultades para alcanzar una predicción precisa del perfil demográfico, especialmente para el rasgo del año del nacimiento.