Existe una gran cantidad de aplicaciones potenciales del aprendizaje automático en las redes sociales, por mencionar algunas que son áreas particularmente activas:
Predicción de enlaces: dada una red observada de amistades, relaciones, sugerir nuevas conexiones, inferir enlaces latentes, etc. Facebook, LinkedIn y Twitter tienen su propia función ‘Personas que quizás conozcas’ y también es un tema de investigación activo en el aprendizaje automático, donde a menudo se conoce como aprender de datos relacionales o predicción de enlaces. Incluso en el ICML de este año hubo varios documentos relacionados con este problema, busque ‘predicción de enlaces’ en esta lista de punteros: http://icml.cc/2012/papers/
Influencia inferida, prediciendo la difusión de información: hay un gran interés en esto ahora en los negocios (es útil para el marketing de boca en boca), la política (focalización óptima con mensajes políticos) y en la comunidad académica. Básicamente, desea inferir de los datos quién tiene el poder de influir en los demás y cambiar las opiniones en temas seleccionados, y a qué conjunto de personas desea dirigirse si desea maximizar el alcance efectivo de su mensaje en una red de influencia determinada.
Manuel Gómez Rodríguez, Jure Leskovec, Lada Adamic, Sinan Aral trabajan en este tema, al igual que los equipos de aprendizaje automático en, por ejemplo, PeerIndex (nuestra empresa), Facebook y otros lugares.
- ¿Cuáles son las características únicas de una red neuronal en comparación con otras técnicas de aprendizaje automático?
- ¿Cuál es la diferencia entre máquinas de vectores de soporte y aprendizaje profundo?
- Cómo construir un sistema de calificación basado en comentarios usando Word2Vec (python)
- Las entidades biológicas inconscientes que simplemente reaccionan automáticamente a su entorno han evolucionado y se han vuelto autoconscientes. ¿Qué impide que AI lo haga?
- ¿En qué se diferencia la investigación de Machine Learning en la academia de la investigación en la industria?
Análisis de sentimientos: descubra que cuando alguien dice algo en las redes sociales sobre algo, es un mensaje positivo o negativo. Luego puede llevarlo más allá y analizar el sentimiento general en una red completa, e intentar modelar y predecir cómo cambia con el tiempo. A algunas personas les gusta jugar con la idea de correlacionar el sentimiento en las redes sociales acerca de una empresa pública con los cambios en los precios de las acciones, ver por ejemplo ¿Puede el análisis de sentimientos de Twitter guiar la inversión en el mercado de valores?
Agrupación y visualización: hay mucho que puedes hacer con el aprendizaje no supervisado, la reducción de la dimensionalidad y la visualización en las redes sociales. Puede agrupar personas en función de sus conexiones, características, intereses, etc. Puede utilizar diversas técnicas de inclusión métricas o no métricas para visualizar comunidades de personas.