Seminario "Twitter Dynamics" del 19 de enero de 2012

1. TWITTER DYNAMICS
Adquisición, procesado y visualización de datos
Roberto Maestre F. Javier Alba
rmaestre@paradigmatecnologico.com fjalba@paradigmatecnologico.com
@rmaestrem @fjavieralba
@paradigmalabs

2. ÍNDICE
Introducción
API Twitter
Adquisición y persistencia de datos
Conceptos básicos sobre grafos
Visualización en Gephi y GraphStream
Casos de uso

3. INTRODUCCIÓN

4. INTRODUCCIÓN
Arquitectura

5. INTRODUCCIÓN
¿Qué es twitter?
Es una red social basada en microblogging
Red social porque Microblogging
puedo elegir a porque solo puede
quien seguir y que postear un texto
información crear o con un tamaño
retransmitir. máximo de 140
carácteres.

6. INTRODUCCIÓN
@mención
#hashtag url.by/

7. INTRODUCCIÓN
Algunos números
250 Millones de tweets enviados de media cada día (Octubre 2011) *
100 Millones de usuarios activos estimados (Septiembre 2011) **
460.000 nuevas cuentas abiertas por día (de media en 2010) ***
Incremento del 186 % de usuarios móviles en 2010 ***
* http://techcrunch.com/2011/10/17/twitter-is-at-250-million-tweets-per-day/
** http://techland.time.com/2011/09/09/twitter-reveals-active-user-number-how-many-actually-say-something/
*** http://blog.twitter.com/2011/03/numbers.html

8. INTRODUCCIÓN

9. INTRODUCCIÓN

10. INTRODUCCIÓN
Casos de estudio interesantes
Predicción de valores de bolsa (Down Jones Industrial Average)
correlacionado con análisis de sentiment de tweets (Bollen et al.
2011).
En Achrekar et al. (2011) se muestra una alta correlación (en
datos almacenados entre los años 2009 y 2010) entre el número
de tweets relacionados con la gripe y el numero de casos reales.
Una línea de investigación abierta por el DARPA llamada Topic
Detection and Tracking research (1996).

11. INTRODUCCIÓN
Casos de estudio interesantes
Spotinfluence.com

12. API DE TWITTER

13. INTRODUCCIÓN
Herramienta de acceso a todos los datos del ecosistema
Twitter: Tweets, Retweets, Hashtags, Usuarios, ... etc
Para empezar a experimentar, sólo necesitamos
conocimientos básicos sobre HTTP y JSON

14. INTRODUCCIÓN
• REST API Consumo puntual de datos
• Search API Búsquedas
• Streaming API Consumo masivo de datos

15. REST API
Consulta y creación de:
• Tweets / retweets
• Followers y Friends
• Mensajes directos
• Listas
• ...

16. REST API
https://api.twitter.com/1/trends/766273.json

17. REST API
¿Cuanta información puedo obtener?
• La API limita la frecuencia a la que podemos realizar peticiones
• Algunos métodos requieren autenticación via OAuth => Límite
va contra el usuario autenticado (350 requests/hora)
• Otros pueden ser invocados anónimamente => Límite va contra
la IP (150 requests/hora)

18. API REST
Algunos ejemplos sencillos
Obtener listas en Obtener la red de
las que se ha followers de un
incluído a un usuario
usuario

19. REST API
listas en las que está un usuario
import requests
import json
import sys
user_lists = []
max_pages = 5 Limitamos páginas de resultados para evitar baneos
next_cursor = -1
for i in range(0, max_pages):
url = 'https://api.twitter.com/1/lists/memberships.json?screen_name=%s&cursor=%s'
% (sys.argv[1], next_cursor)
content = requests.get(url).content
data = json.loads(content)
next_cursor = data['next_cursor']
Método lists/memberships
for list_data in data['lists']:
name = list_data['name'] Paginación
uri = list_data['uri']
description = list_data['description']
user_lists.append("%s (%s): %s" % (name, uri, description))
for l in user_lists:
print l

20. REST API
Red de followers de un usuario
if __name__ == "__main__":
# USER
# obtain main user info
main_user_name = sys.argv[1]
main_user_info = obtain_users_info(screen_names=[main_user_name])[0]
follower_network = { 'nodes' : {}, Hash donde almacenamos el grafo
'edges': []
}
follower_network['nodes'][main_user_name] = main_user_info
try:
traverse_followers(main_user_name, follower_network, 1,
MAX_RECURSION_LEVEL)
except RateLimitReachedError as e:
print "Ooops! we reached the rate limit!!! Follower Network will not be
complete."
except:
print "Some error occurred!. We will go on with the current Follower
Network!"
generate_tsv(follower_network, main_user_name, 1) Ficheros de salida
generate_dot(follower_network, main_user_name, 0)

21. REST API
def traverse_followers(user_name, follower_network, recursion_level, max_recursion_level):
check_rate_limit()
# retrieve up to MAX_IDS user followers:
url = 'https://api.twitter.com/1/followers/ids.json?screen_name=%s&cursor=-1' % user_name
content = client.get(url).content
data = {}
try:
data = json.loads(content)
except:
print 'Error! rate limit?' Obtener followers IDs
return
if 'error' in data:
print 'Error: %s' % data['error']
return
followers_ids = data['ids'][:MAX_IDS]
#obtain info for each follower (in batches of 100)
for i in range(0, len(followers_ids), 100):
id_group = followers_ids[i:i+100]
followers_info = obtain_users_info(ids = id_group)
if followers_info is not None:
for follower_info in followers_info:
follower_name = follower_info['screen_name']
#add node info (if not exists yet)
if follower_name not in follower_network['nodes']:
follower_network['nodes'][follower_name] = follower_info
#add edge
follower_network['edges'].append((follower_name, user_name))
follower_network['nodes'][user_name]['indegree'] += 1
if recursion_level < max_recursion_level:
traverse_followers(follower_name, follower_network, recursion_level+1, max_recursion_level)

22. REST API
def obtain_users_info(ids = [], screen_names=[]):
check_rate_limit()
result = []
#transform ids into strings:
ids = map(lambda x: str(x), ids)
string_ids = ','.join(ids)
screen_names = ','.join(screen_names) Obtener info
url = 'https://api.twitter.com/1/users/lookup.json?'
detallada de cada
if string_ids and screen_names:
url += 'user_id=%s&screen_name=%s' % (string_ids, screen_names) follower
elif string_ids:
url += 'user_id=%s' % string_ids
else:
url += 'screen_name=%s' % screen_names
print url
content = client.get(url).content
data = json.loads(content)
if 'error' in data:
print 'Error: %s' % data['error']
return
for user_info in data:
relevant_info = {
'screen_name' : user_info['screen_name'],
'profile_image_url': user_info['profile_image_url'],
'followers_count': user_info['followers_count'],
'indegree' : 0
}
result.append(relevant_info)
return result

23. REST API
En el ejemplo almacenamos un hash en memoria con toda la
información de la red
Persistimos estos datos en el formato más conveniente para
luego visualizarlos: JSON, grafo .DOT, documento en
MongoDB ...etc.
Ejemplo “de juguete”: una aplicación real requiere un diseño más
elaborado: cache de llamadas, manejo de errores, balanceo de
IPs/usuarios...

24. SEARCH API

25. SEARCH API
¿Para qué sirve?
Búsqueda de tweets recientes por palabras clave, nombres de
usuario, hashtags...
Lenguaje de queries básico con operadores
#dataviz OR #visualization:
http://search.twitter.com/search.json?q=%23dataviz%20OR
%20%23visualization&rpp=100&page=1

26. STREAMING API
¿Por qué Streaming?
• Para un consumo masivo de datos, REST API no es suficiente
• Streaming API es un "chorro" (firehose) de información, cercana al
tiempo real, que normalmente filtraremos por algún criterio
(hashtag, usuario...)
• Si no filtramos, no obtendremos el 100% del stream de Twitter
sino un muestreo del 1% aprox. (es posible obtener más
información estableciendo acuerdos con Twitter)

27. STREAMING API
¿Cómo usarla?
• Abrir una conexión con autenticación y mantenerla abierta.
• Procesar el flujo de datos recibido
Ejemplo simple:
curl -d "track=SOPA" https://stream.twitter.com/1/statuses/filter.json -u[USER]:[PASSWD]

28. {
RADIOGRAFÍA DE UN TWEET
"possibly_sensitive": false,
"in_reply_to_screen_name": null,
"text": "Feeling for students today. Time to prise those unused library cards from your wallets. #wikipediablackout #SOPA #PIPA. ur1.ca/7jygq",
"in_reply_to_user_id_str": null,
"geo": null,
"retweeted": false,
"in_reply_to_user_id": null,
"contributors": null,
"source": "<a href="http://www.tweetdeck.com" rel="nofollow">TweetDeck</a>",
"entities": {
"user_mentions": [],
"hashtags": [
{
"text": "wikipediablackout",
"indices": [
88,
106
]
Un Tweet contiene mucha
},
{
"text": "SOPA",
"indices": [
107,
112
información
]
},
{
"text": "PIPA",
"indices": [
113,
118
]
}
],
"urls": [
{
"indices": [
120,
132
],
Sólo usamos los campos
"url": "ur1.ca/7jygq",
"expanded_url": null
}
]
},
"place": null,
"in_reply_to_status_id": null,
que nos interesan para
"id_str": "159589359589408768",
"truncated": false,
"user": {
"profile_background_image_url": "http://a3.twimg.com/profile_background_images/347782654/year_one_wp.jpg",
"show_all_inline_media": true,
"follow_request_sent": null,
nuestro procesado y
"profile_link_color": "038543",
"url": "http://www.youtube.com/xboxuk",
"followers_count": 755,
"profile_image_url": "http://a2.twimg.com/profile_images/78950744/meforweb_normal.jpg",
"default_profile_image": false,
"statuses_count": 7004,
"time_zone": "London",
visualización
"profile_background_color": "ACDED6",
"description": "Xbox LIVE Assistant Producer, EMEA. Views are mine own and open to lucrative sponsorship. All comic/game geeks should visit my side project: KapowGames.com",
"contributors_enabled": false,
"profile_background_tile": true,
"favourites_count": 21,
"location": "Camden, London",
"lang": "en",
"profile_sidebar_fill_color": "F6F6F6",
"screen_name": "Deanways",
"verified": false,
"notifications": null,
"profile_background_image_url_https": "https://si0.twimg.com/profile_background_images/347782654/year_one_wp.jpg",
"friends_count": 2002,
"profile_sidebar_border_color": "000000",
"protected": false,
"id_str": "15864765",
"listed_count": 11,
"following": null,
"name": "Dean Samways",
"is_translator": false,
"profile_use_background_image": true,
"created_at": "Fri Aug 15 16:49:51 +0000 2008",
"id": 15864765,
"default_profile": false,
"geo_enabled": true,
"utc_offset": 0,
"profile_text_color": "333333",
"profile_image_url_https": "https://si0.twimg.com/profile_images/78950744/meforweb_normal.jpg"
},
"retweet_count": 0,
"favorited": false,
"id": 159589359589408770,
"created_at": "Wed Jan 18 10:54:03 +0000 2012",
"in_reply_to_status_id_str": null,
"coordinates": null
}

29. RADIOGRAFÍA DE UN TWEET
Algunos campos interesantes
"text": "RT @damiano10: RAMSS 2012 : 1st International Workshop on Real-Time Analysis and Mining
of Social Streams: http://t.co/AhUGF5Pf"
"id": 159683309528547330,
"created_at": "Wed Jan 18 17:07:22 +0000 2012",
"user": {
"followers_count": 84,
"location": "Madrid and Barcelona",
"screen_name": "paradigmalabs",
"name": "Paradigma Labs",
"id_str": "249695469",
}
"retweeted_status": {
"user": {
"screen_name": "damiano10",
"location": "Madrid, España",
"followers_count": 95,
"id_str": "132646210",
}
}

30. ADQUISICIÓN
Casos de Uso reales
Hemos visto ejemplos “de juguete”
Cuando se necesita una adquisición a mayor escala, se
incrementa la complejidad y se requiere una infraestructura
mayor
Actualmente tenemos una arquitectura de adquisición en Twitter
con 20 servidores dedicados

31. API DE TWITTER
Para profundizar...
Mining the Social Web 21 Recipes for Mining Twitter
Matthew A. Russel Matthew A. Russel

32. PERSISTENCIA

33. PERSISTENCIA DE DATOS
Dónde
Leonardo Menezes y Miguel Olivares
Paradigma noSQL con MongoDB y Spring Data
http://www.parleys.com/#st=5&id=2737
from pymongo import Connection
import requests
import json
# Database configuration
port = 0000
conn = Connection(’host’, port)
db = conn.twitter
coll = db.trends
url = ’https://api.twitter.com/1/trends/1.json’
content = requests.get(url).content
data = json.loads(content)
for tt in data[0][’trends’]:
coll.save(tt)

34. PROCESADO DE DATOS
Cómo
from pymongo import Connection
import datetime
# Database configuration
port = 0000
conn = Connection(’host’, port)
db = conn.twitter
coll = db.nolesvotes
# Date range
start = datetime.datetime(2011, 5, 16, 0, 0, 0)
end = datetime.datetime(2011, 5, 16, 23, 59, 59)
condition = {’created_at’: {’$gte’: start, ’$lt’:end}}
for item in coll.find(condition).sort([("created_at", True)]):
# Do something
print item

35. PERSISTENCIA DE DATOS
Algunos números de casos reales
#libya Conflicto en Libia: Febrero 2011, 200.000 tweets
#nolesvotes Revolución en España: Abril-Agosto 2011, 800.000 tweets
#ows + #15oct Revolución Global: Octubre 2011, 6 Millones de tweets
#20n Generales en España, Noviembre 2011, 4 Millones de tweets
#christmas Estudio emocional sobre la Navidad: Diciembre 2011, 10 Millones de tweets
#sopa Ley Sopa y Sinde, Enero 2012, 500.000 tweets hasta la fecha

36. CONCEPTOS SOBRE GRAFOS

37. CONCEPTOS
Modelar una red
V = {u1 , u2 , u3 , u4 , u5 }
A = {{u1 , u2 }, {u1 , u3 }, {u2 , u3 }, {u4 , u2 }, {u4 , u5 }, {u5 , u2 }, {u5 , u4 }}

38. CONCEPTOS
Medir en una red
2 3 n
X
0 1 1 0 0 In(i) = Ma [i, c]
6 0 0 1 0 0 7
6 7 c=0
Ma = 6
6 0 0 0 0 0 7
7 n
4 0 1 0 0 1 5 X
0 1 0 1 0
Out(i) = Ma [f, i]
f =0

39. CONCEPTOS

40. CONCEPTOS
no solo Indegree y Outdegree ...
Algorithms
• Bipartite
• Centrality
• Chordal
• Clique
• Clustering
• Communities
• Components
• Cores
• Cycles
• Directed Acyclic Graphs
• Distance Measures
• Distance-Regular Graphs
• Eulerian
• Flows
• Graphical degree sequence
• Isolates
•
•
Isomorphism
Link Analysis
http://networkx.lanl.gov/
• Minimum Spanning Tree
• Products
• Shortest Paths

41. VISUALIZACIÓN EN GEPHI

42. GEPHI
• Herramienta interactiva de visualización y exploración de
redes y grafos hecha en JAVA
• Es Open Source y multiplataforma
• “Photoshop for Data”

43. GEPHI
• Facilita el trabajo de Análisis de datos con:
• Layouts predefinidos y configurables
• Cálculo de métricas sobre redes
• Filtrado de nodos en base a atributos
• Clustering
• “Data Laboratory”
• Plug-ins

44. GEPHI
Ejemplo de Uso
• Vamos a visualizar la red de followers que generamos en el
ejemplo anterior (REST API)
• Para ello se persistieron los datos en un formato entendible
por Gephi (en este caso .DOT)

45. GEPHI

46. VISUALIZACIÓN
GRAPHSTREAM

47. VISUALIZACIÓN
GRAPHSTREAM
¿Qué es Graph Stream?
Es una librería en JAVA para el manejo de grafos dinámicos y estáticos.
Hospedado en la Universidad de Le Havre.
Mantenida por miembros del grupo de investigación RI2C .
Tres librerias: Core, Algo y UI.

48. VISUALIZACIÓN
GRAPHSTREAM
Caracteristicas importantes
Podemos configurar “el aspecto” de los grafos de la
misma manera que un CSS puede modificar el aspecto
de un HTML.

49. VISUALIZACIÓN
GRAPHSTREAM
Caracteristicas importantes
Podemos configurar “el aspecto” de los grafos de la
misma manera que un CSS puede modificar el aspecto
de un HTML.
graph.addAttribute("ui.stylesheet",
"graph
{
fill-­‐color:
red;
}");
node.addAttribute("ui.style",
"fill-­‐color:
rgb(0,100,255);");
graph
{
fill-­‐color:
red;
}
node
{
size:
10px,
15px;
shape:
box;
fill-­‐color:
green;
stroke-­‐mode:
plain;
stroke-­‐color:
yellow;
}

50. VISUALIZACIÓN
GRAPHSTREAM
Caracteristicas importantes
Podemos crear un video a partir de la generación de
imagenes del grafo.
OutputPolicy outputPolicy = OutputPolicy.BY_ELEMENT_EVENT;
OutputType type = OutputType.JPG;
Resolution resolution = Resolutions.HD720;
// Start output images
FileSinkImages fsi = new FileSinkImages( "/tmp/img", type, resolution, outputPolicy);
fsi.setRenderer(RendererType.SCALA);
fsi.setLayoutPolicy( LayoutPolicy.COMPUTED_IN_LAYOUT_RUNNER );
// Set quality output
fsi.setQuality(Quality.HIGH);
fsi.setStyleSheet("graph { padding: 50px; fill-color: black; }");
// Link output with graph
g.addSink(fsi);

51. VISUALIZACIÓN
GRAPHSTREAM
Algunos ejemplos
Visualizar Visualizar los Visualizar los
los followers de un followers de un
followers usuario y mostrar usuario y mostrar
de un este numero este numero
usuario. implícito en el implícito en el
tamaño del nodo tamaño del nodo
y añadir las
imagenes de los
usuarios.

52. VISUALIZACIÓN
GRAPHSTREAM
Algunos ejemplos
Visualizar
los
followers
de un
usuario.

53. VISUALIZACIÓN
GRAPHSTREAM
Algunos ejemplos
Visualizar los
followers de un
usuario y mostrar
este numero
implícito en el
tamaño del nodo

54. VISUALIZACIÓN
GRAPHSTREAM
Algunos ejemplos
Visualizar los
followers de un
usuario y mostrar
este numero
implícito en el
tamaño del nodo
y añadir las
imagenes de los
usuarios.

55. VISUALIZACIÓN
GRAPHSTREAM
Código
// Create graph
Graph g = new DefaultGraph("g");
// Display in real time console
g.display(true);
// Set some quality params
g.addAttribute("ui.antialias");
g.addAttribute("ui.quality");
g.addAttribute("ui.stylesheet",
"graph { fill-color: black; }");

56. VISUALIZACIÓN
GRAPHSTREAM
Código
public static void addNode(Graph g, String nodeLabel, double size, String url){
if (g.getNode(nodeLabel) == null){
if (size < 0.0)
size = 1.0;
g.addNode(nodeLabel);
Node n = g.getNode(nodeLabel);
size = size * 2.0;
System.out.println("=> "+size);
String shape = "rounded-box";
if (size > 20.0)
shape = "cross";
n.addAttribute("ui.style" , String.format("size: %spx, %spx; fill-color: #3d5689;
shape: %s; text-size: %s; stroke-mode: plain;
stroke-color: yellow; text-color:white;",20, 20,
"circle", size/2));
n.setAttribute("label",nodeLabel);
}
}

57. VISUALIZACIÓN
GRAPHSTREAM
Código
public static void addEdge(Graph g, String from, String to, double weight){
if (g.getNode(from) != null && g.getNode(to) != null &&
g.getEdge(from+to) == null && g.getEdge(to+from) == null){
g.addEdge(from+to, from, to, true);
Edge e = g.getEdge(from+to);
if (weight < 0.0)
weight = 1.0;
e.addAttribute("ui.style" , String.format("fill-color: #3d5689; size: %s;", weight));
}
}

58. VISUALIZACIÓN
GRAPHSTREAM
Código
public static void changeNode(Graph g, String nodeLabel, double size){
if (g.getNode(nodeLabel) != null){
if (size < 0.0)
size = 2.0;
Node n = g.getNode(nodeLabel);
String shape = "rounded-box";
if (size > 20.0){
shape = "cross";
}
n.addAttribute("ui.stylesheet" , String.format("size: %spx, %spx;shape: %s;
text-size: %s; ", size, size, shape, size/2));
}
}

59. CASOS DE USO

60. CASO DE USO 1
Identificación de influenciadores en una red
from pymongo import Connection import datetime
# Database configuration
conn = Connection(‘host’, 000000)
db = conn.twitter
coll = db.nolesvotes
# Search conditions
start = datetime.datetime(2011, 5, 16, 18, 0, 0)
end = datetime.datetime(2011, 5, 16, 18, 59, 59)
cond = {’retweeted_status’: {’$exists’: True} ,
’created_at’: {’$gte’: start, ’$lt’:end}}
# Variable to save the network structure
network = ’’
# Perform search
for item in coll.find(cond).sort([("created_at", True)]):
network += ’t%s -> %sn’ % (item[’user’][’screen_name’] ,
item[’retweeted_status’][’user’][’screen_name’])
# Save data into a file
file_out = file(’/tmp/retweet_network.dot’ , ’w’)
file_out.write(’digraph G{n%s}’ % network)
file_out.close()

61. CASO DE USO II
Agrupando hashtags con MI*
✓ ◆
XX p(x, y)
I(X; Y ) = p(x, y) ⇤ log
p(x)p(y)
x2X y2Y
rt @coriano2323: acampadabcn - plaça catalunya, http://bit.ly/ikkkaa #acampadasol #spanishrevolution #15mani #nolesvotes
rt @ximicomix: rt @lexdubia rt @ma 20:00 en sol. convocatoria ciudadana. pasalo. #acampadasol #spanishrevolution #nolesvotes
rt @megasuavi: comunicación horizontal usar #meneame para difundir todo sobre #acampadasol y #nolesvotes adio a los grandes
rt @abelokeponemos: un apoyo a todos los que han llevado la #spanishrevolution con muchisimo ánimo! (: recordad... #nolesvotes
{#acampadasol, #spanishrevolution, #15mani, #nolesvotes, #meneame}
F = {3, 3, 1, 4, 1}
2 3
0 3.66 2.41 6 2.41
6 3.66 0 2.41 6 0 7
6 7
Mi = 6
6 2.41 2.41 0 2 0 7
7
4 6 6 2 0 2 5
2.41 0 0 2 0 *(Chart K. et all 1998)

62. CASO DE USO II
Agrupando hashtags con MI*

63. Geolocalización de tweets
http://labs.paradigmatecnologico.com/2011/12/19/15th-
october-on-twitter-global-revolution-mapped/

64. Mutual Information with time component

65. Mutual Information with time component

66. estamos investigando/desarrollando ...
Métricas para la detección de influenciadores por dominio
Detección de emergencia con Fuzzy hashtags
Estudio de las distintas topologias de red y su dinámicas
en el tiempo
... como visualizar todo esto?

67. estamos investigando/desarrollando ...
TwitterMaps. Mapa interactivo para entender twitter día a día
con Processing
Smart Offices: Internet de las cosas aplicadas a crear el ambiente
óptimo de trabajo utilizando Arduino
API pública de análisis de texto: NER, contexto basado en
grafo semántico de Wikipedia y Sentiment Analysis.
Desarrollo de herramientas enfocadas al periodismo de
datos
... como visualizar todo esto?

68. REFERENCIAS
Harshavardhan Achrekar, Ross Lazarus, and West Cummings Park. Predicting Flu Trends using Twitter Data.
Architecture, pages 702–707, 2011.
Ron Bekkerman and Koby Crammer. One-class clustering in the text domain. Proceedings of the Conference on
Empirical Methods in Natural Language
Processing - EMNLP ’08, page 41, 2008. doi: 10.3115/1613715.1613722. URL http://portal.acm.org/citation.cfm?
doid=1613715.1613722.
Johan Bollen, Huina Mao, and Xiao-jun Zeng. Twitter mood predicts the stock market. Journal of Computational
Science, pages 1–8, 2011. URL http://www.sciencedirect.com/science/article/ pii/S187775031100007X.
B Bollobás. Modern Graph Theory, volume 184 of Graduate Texts in Mathematics. Springer, 1998. ISBN
0387984887. doi: 10.1234/12345678. URL http://www.springer.com/math/numbers/book/ 978-0-387-98488-9.
Francine Chen, Ayman Farahat, and Thorsten Brants. Multiple similarity measures and source-pair in- formation in
story link detection. In Proceedings of the 2nd Human Language Technology Conference of the North American
Chapter of the Association for Computational Linguistics, Boston, MA, USA, pages 313–320, 2004. URL http://
acl.ldc.upenn.edu/hlt-naacl2004/main/pdf/18_Paper.pdf.
Thomas M J Fruchterman and Edward M Reingold. Graph drawing by force-directed placement. Soft- ware Practice
and Experience, 21(11):1129–1164, 1991. ISSN 00380644. doi: 10.1002/spe.4380211102. URL http://doi.wiley.com/
10.1002/spe.4380211102.
Bruce Hendrickson and Robert Leland. A multilevel algorithm for partitioning graphs. In Proceedings of the 1995
ACM/IEEE conference on Supercomputing (CDROM), page 28. ACM, 1995. URL http://dl.acm.org/citation.cfm?
id=224228.

69. REFERENCIAS
Yoshihiro Kawano, Yoshito Kishimoto, and Tatsuhiro Yonekura. A Prototype of Attention Simulator on Twitter. 2011
14th International Conference on Network-Based Information Systems, pages 173– 177, September 2011. doi:
10.1109/NBiS.2011.51. URL http://ieeexplore.ieee.org/lpdocs/ epic03/wrapper.htm?arnumber=6041919.
Stephen G Kobourov. Force-Directed Drawing Algorithms. University of Arizona, 2004. ISBN 0849385970.
Eldar Sadikov and M.M.M. Martinez. Information Propagation on Twitter. CS322 Project Report, 2009. URL http://
snap.stanford.edu/class/cs224w-2010/proj2009/TwitterWriteup_Sadikov.pdf.
Maksim Tsvetovat and Alexander Kouznetsov. Social Network Analysis for Startups. Oreilly & Associates Inc, 2011.
ISBN 9781449306465. URL http://books.google.com/books?hl=en&amp; lr=&amp;id=Tn-
L5WoCeygC&amp;oi=fnd&amp;pg=PR3&amp;dq=Social+Network+Analysis+for+
Startups&amp;ots=SS7Zs6D9wb&amp;sig=A0oZKZ_bBlXNnSjyZmf3vI6HAkM.
Zhiheng Xu, Long Ru, Liang Xiang, and Qing Yang. Discovering User Interest on Twitter with a Mod- ified Author-
Topic Model. 2011 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology,
pages 422–429, August 2011. doi: 10.1109/WI-IAT.2011.47. URL http://ieeexplore.ieee.org/lpdocs/epic03/
wrapper.htm?arnumber=6040707.
Yuto Yamaguchi, Toshiyuki Amagasa, and Hiroyuki Kitagawa. Tag-based User Topic Discovery Using Twitter Lists.
2011 International Conference on Advances in Social Networks Analysis and Mining, pages 13–20, July 2011. doi:
10.1109/ASONAM.2011.58. URL http://ieeexplore.ieee.org/ lpdocs/epic03/wrapper.htm?arnumber=5992580.
Hua Zhao. Applying Dynamic Co-occurrence in Story Link Detection. Journal of Computing and Information
Technology, pages 157–164, 2009. ISSN 1330-1136. doi: 10.2498/cit.1001104. URL http://cit.zesoi.fer.hr/
browsePaper.php?paper=1104.

70. REFERENCIAS
Liyong Zhao, Chongchong Zhao, Jingqin Pang, and Jianyi Huang. Sensitive Topic Detection Model Based on
Collaboration of Dynamic Case Knowledge Base. 2011 IEEE 20th International Workshops on Enabling
Technologies: Infrastructure for Collaborative Enterprises, pages 156–161, June 2011. doi: 10.1109/WETICE.
2011.29. URL http://ieeexplore.ieee.org/lpdocs/epic03/wrapper. htm?arnumber=5990044.

71. Muchas gracias
Para cualquier duda, sugerencia o colaboración
Roberto Maestre F. Javier Alba
rmaestre@paradigmatecnologico.com fjalba@paradigmatecnologico.com
@rmaestrem @fjavieralba
@paradigmalabs