Mineração de redes sociais para detecção e previsão de eventos reais

• Main Author: Janaina Sant Anna Gomide
• Other Authors: Wagner Meira Junior
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Minas Gerais 2012
• Online Access: http://hdl.handle.net/1843/BUOS-8UKMG7

=== Online social networks are part of the everyday life of millions of people worldwide. More and more people use these networks to interact, provide feedback and share content about several topics such as entertainment, weather, work, family, traffic and even their health. In short, social networks have become a social place with its own meanings and evolving dynamicity. Many events are perceived and released later by the traditional media, but can occur in social networks in real time, being capable of being detected and subsidize the construction of predictive models. The objective of this dissertation is to use the data available on social networks to detect the occurrence and provide real-life events. To accomplish these tasks, we propose a methodology that extends from the collection of messages on social networks to predict the occurrence of events, through analysis of correlation between the nature of the message content and the occurrence of events in terms of volume, time and space. The proposed methodology was applied to two types of actual events: floods and dengue epidemics. In the case of the dengue epidemic, we found a high correlation (0.74) between messages expressing personal experience and the incidence of the disease, which allowed the building of an warning system of the epidemic by location with an accuracy greater than 90% for cities with high incidence . We also got comparable results for the second type of event, being able to detect the occurrence of flooding points and predict its intensity every day, demonstrating the applicability of our proposal to complement traditional surveillance mechanisms, often allowing anticipated actions and minimizing the impact on the affected population. === As redes sociais online fazem parte do cotidiano de milhões de pessoas do mundo inteiro. Cada vez mais pessoas utilizam essas redes para interagir, opinar e compartilhar conteúdos sobre os mais diversos tópicos, como diversão, clima, trabalho, família, trânsito e mesmo sua condição de saúde. Em suma, as redes sociais se tornaram mais um lugar social com significados próprios, evoluindo dinamicamente. Muitos acontecimentos são tardiamente percebidos e divulgados pelos meios de comunicação tradicionais, mas podem acontecer nas redes sociais em tempo real, sendo passíveis de serem detectados e de subsidiarem a construção de modelos de previsão. O objetivo dessa dissertação é utilizar o conteúdo disponível nas redes sociais para detectar a ocorrência e prever eventos da vida real. Para realizar essas tarefas, foi proposta uma metodologia que compreende desde a coleta das mensagens em redes sociais até a previsão de ocorrência de eventos, passando pela análise da correlação entre a natureza do conteúdo das mensagens e ocorrência de eventos, em termos de volume, tempo e espaço. A metodologia proposta foi aplicada a dois tipos de eventos reais: epidemia de dengue e enchentes. No caso da epidemia de dengue, observa-se uma alta correlação (74%) entre mensagens expressando experiência pessoal e a incidência da doença, o que permitiu construir um sistema de alerta da epidemia por localidade com acurácia maior que 90% para cidades com alta incidência. Além disso, foi possível obter resultados comparáveis para o segundo evento, sendo esses capazes de detectar a ocorrência de pontos de alagamento e de prever sua intensidade diariamente. Isso demonstra a aplicabilidade dessa proposta como complemento a mecanismos de vigilância tradicional, muitas vezes permitindo que ações sejam antecipadas e impactos sobre a população afetada sejam reduzidos.