Methods and Techniques for Segmentation of Consumers in Social Media

Los medios sociales han revolucionado la manera en la que los consumidores se relacionan entre sí y con las marcas. Las opiniones publicadas en dichos medios tienen un poder de influencia en las decisiones de compra tan importante como las campañas de publicidad. En consecuencia, los profesionales del marketing cada vez dedican mayores esfuerzos e inversión a la obtención de indicadores que permitan medir el estado de salud de las marcas a partir de los contenidos digitales generados por sus consumidores. Dada la naturaleza no estructurada de los contenidos publicados en los medios sociales, la tecnología usada para procesar dichos contenidos ha menudo implementa técnicas de Inteligencia Artificial, tales como algoritmos de procesamiento de lenguaje natural, aprendizaje automático y análisis semántico. Esta tesis, contribuye al estado de la cuestión, con un modelo que permite estructurar e integrar la información publicada en medios sociales, y una serie de técnicas cuyos objetivos son la identificación de consumidores, así como la segmentación psicográfica y sociodemográfica de los mismos. La técnica de identificación de consumidores se basa en la huella digital de los dispositivos que utilizan para navegar por la Web y es tolerante a los cambios que se producen con frecuencia en dicha huella digital. Las técnicas de segmentación psicográfica descritas obtienen la posición en el embudo de compra de los consumidores y permiten clasificar las opiniones en función de una serie de atributos de marketing. Finalmente, las técnicas de segmentación sociodemográfica permiten obtener el lugar de residencia y el género de los consumidores. ABSTRACT Social media has revolutionised the way in which consumers relate to each other and with brands. The opinions published in social media have a power of influencing purchase decisions as important as advertising campaigns. Consequently, marketers are increasing efforts and investments for obtaining indicators to measure brand health from the digital content generated by consumers. Given the unstructured nature of social media contents, the technology used for processing such contents often implements Artificial Intelligence techniques, such as natural language processing, machine learning and semantic analysis algorithms. This thesis contributes to the State of the Art, with a model for structuring and integrating the information posted on social media, and a number of techniques whose objectives are the identification of consumers, as well as their socio-demographic and psychographic segmentation. The consumer identification technique is based on the fingerprint of the devices they use to surf the Web and is tolerant to the changes that occur frequently in such fingerprint. The psychographic profiling techniques described infer the position of consumer in the purchase funnel, and allow to classify the opinions based on a series of marketing attributes. Finally, the socio-demographic profiling techniques allow to obtain the residence and gender of consumers.

USO DE TEORIAS NO CAMPO DE SISTEMAS DE INFORMAÇÃO: MAPEAMENTO USANDO TÉCNICAS DE MINERAÇÃO DE TEXTOS

Esta dissertação visa apresentar o mapeamento do uso das teorias de sistemas de informações, usando técnicas de recuperação de informação e metodologias de mineração de dados e textos. As teorias abordadas foram Economia de Custos de Transações (Transactions Costs Economics TCE), Visão Baseada em Recursos da Firma (Resource-Based View-RBV) e Teoria Institucional (Institutional Theory-IT), sendo escolhidas por serem teorias de grande relevância para estudos de alocação de investimentos e implementação em sistemas de informação, tendo como base de dados o conteúdo textual (em inglês) do resumo e da revisão teórica dos artigos dos periódicos Information System Research (ISR), Management Information Systems Quarterly (MISQ) e Journal of Management Information Systems (JMIS) no período de 2000 a 2008. Os resultados advindos da técnica de mineração textual aliada à mineração de dados foram comparadas com a ferramenta de busca avançada EBSCO e demonstraram uma eficiência maior na identificação de conteúdo. Os artigos fundamentados nas três teorias representaram 10% do total de artigos dos três períodicos e o período mais profícuo de publicação foi o de 2001 e 2007.(AU)

USO DE TEORIAS NO CAMPO DE SISTEMAS DE INFORMAÇÃO: MAPEAMENTO USANDO TÉCNICAS DE MINERAÇÃO DE TEXTOS

Esta dissertação visa apresentar o mapeamento do uso das teorias de sistemas de informações, usando técnicas de recuperação de informação e metodologias de mineração de dados e textos. As teorias abordadas foram Economia de Custos de Transações (Transactions Costs Economics TCE), Visão Baseada em Recursos da Firma (Resource-Based View-RBV) e Teoria Institucional (Institutional Theory-IT), sendo escolhidas por serem teorias de grande relevância para estudos de alocação de investimentos e implementação em sistemas de informação, tendo como base de dados o conteúdo textual (em inglês) do resumo e da revisão teórica dos artigos dos periódicos Information System Research (ISR), Management Information Systems Quarterly (MISQ) e Journal of Management Information Systems (JMIS) no período de 2000 a 2008. Os resultados advindos da técnica de mineração textual aliada à mineração de dados foram comparadas com a ferramenta de busca avançada EBSCO e demonstraram uma eficiência maior na identificação de conteúdo. Os artigos fundamentados nas três teorias representaram 10% do total de artigos dos três períodicos e o período mais profícuo de publicação foi o de 2001 e 2007.(AU)

The role of left prefrontal cortex in language and memory

This article reviews attempts to characterize the mental operations mediated by left inferior prefrontal cortex, especially the anterior and inferior portion of the gyrus, with the functional neuroimaging techniques of positron emission tomography and functional magnetic resonance imaging. Activations in this region occur during semantic, relative to nonsemantic, tasks for the generation of words to semantic cues or the classification of words or pictures into semantic categories. This activation appears in the right prefrontal cortex of people known to be atypically right-hemisphere dominant for language. In this region, activations are associated with meaningful encoding that leads to superior explicit memory for stimuli and deactivations with implicit semantic memory (repetition priming) for words and pictures. New findings are reported showing that patients with global amnesia show deactivations in the same region associated with repetition priming, that activation in this region reflects selection of a response from among numerous relative to few alternatives, and that activations in a portion of this region are associated specifically with semantic relative to phonological processing. It is hypothesized that activations in left inferior prefrontal cortex reflect a domain-specific semantic working memory capacity that is invoked more for semantic than nonsemantic analyses regardless of stimulus modality, more for initial than for repeated semantic analysis of a word or picture, more when a response must be selected from among many than few legitimate alternatives, and that yields superior later explicit memory for experiences.

The Role of Passage Topic Knowledge in Typical and Poor Comprehenders' Recall

This dissertation examines the role of topic knowledge (TK) in comprehension among typical readers and those with Specifically Poor Comprehension (SPC), i.e., those who demonstrate deficits in understanding what they read despite adequate decoding. Previous studies of poor comprehension have focused on weaknesses in specific skills, such as word decoding and inferencing ability, but this dissertation examined a different factor: whether deficits in availability and use of TK underlie poor comprehension. It is well known that TK tends to facilitate comprehension among typical readers, but its interaction with working memory and word decoding is unclear, particularly among participants with deficits in these skills. Across several passages, we found that SPCs do in fact have less TK to assist their interpretation of a text. However, we found no evidence that deficits in working memory or word decoding ability make it difficult for children to benefit from their TK when they have it. Instead, children across the skill spectrum are able to draw upon TK to assist their interpretation of a passage. Because TK is difficult to assess and studies vary in methodology, another goal of this dissertation was to compare two methods for measuring it. Both approaches score responses to a concept question to assess TK, but in the first, a human rater assigns a score whereas in the second, a computer algorithm, Latent Semantic Analysis (LSA; Landauer & Dumais, 1997) assigns a score. We found similar results across both methods of assessing TK, suggesting that a continuous measure is not appreciably more sensitive to variations in knowledge than discrete human ratings. This study contributes to our understanding of how best to measure TK, the factors that moderate its relationship with recall, and its role in poor comprehension. The findings suggest that teaching practices that focus on expanding TK are likely to improve comprehension across readers with a variety of abilities.

El análisis histórico de la mortalidad por causas: problemas y soluciones

El trabajo desarrolla una propuesta metodológica para abordar los principales problemas que plantea el análisis de la mortalidad a partir de las expresiones diagnósticas que se recogen en las partidas de defunción de los registros parroquiales y civiles. La cuestión diacrónica o de recorrido cronológico de las expresiones es abordada desde las técnicas del análisis semántico documental y el estudio de sus tipologías demográfico-sanitarias. La agrupación de las diversas causas de muerte se resuelve con la utilización simultánea de la Segunda Nomenclatura de la Primera Clasificación de Causas de Muerte propuesta por Jacques Bertillon en 1899, y una modificación de la clasificación propuesta por Thomas McKeown en su conocida monografía sobre "El crecimiento moderno de la población".

The OpAL System at NTCIR 8 MOAT

The present is marked by the availability of large volumes of heterogeneous data, whose management is extremely complex. While the treatment of factual data has been widely studied, the processing of subjective information still poses important challenges. This is especially true in tasks that combine Opinion Analysis with other challenges, such as the ones related to Question Answering. In this paper, we describe the different approaches we employed in the NTCIR 8 MOAT monolingual English (opinionatedness, relevance, answerness and polarity) and cross-lingual English-Chinese tasks, implemented in our OpAL system. The results obtained when using different settings of the system, as well as the error analysis performed after the competition, offered us some clear insights on the best combination of techniques, that balance between precision and recall. Contrary to our initial intuitions, we have also seen that the inclusion of specialized Natural Language Processing tools dealing with Temporality or Anaphora Resolution lowers the system performance, while the use of topic detection techniques using faceted search with Wikipedia and Latent Semantic Analysis leads to satisfactory system performance, both for the monolingual setting, as well as in a multilingual one.

Extractive text summarization: can we use the same techniques for any text?

In this paper we address two issues. The first one analyzes whether the performance of a text summarization method depends on the topic of a document. The second one is concerned with how certain linguistic properties of a text may affect the performance of a number of automatic text summarization methods. For this we consider semantic analysis methods, such as textual entailment and anaphora resolution, and we study how they are related to proper noun, pronoun and noun ratios calculated over original documents that are grouped into related topics. Given the obtained results, we can conclude that although our first hypothesis is not supported, since it has been found no evident relationship between the topic of a document and the performance of the methods employed, adapting summarization systems to the linguistic properties of input documents benefits the process of summarization.

Gestionnaire de vie privée : un cadre pour la protection de la vie privée dans les interactions entre apprenants

L’évolution continue des besoins d’apprentissage vers plus d’efficacité et plus de personnalisation a favorisé l’émergence de nouveaux outils et dimensions dont l’objectif est de rendre l’apprentissage accessible à tout le monde et adapté aux contextes technologiques et sociaux. Cette évolution a donné naissance à ce que l’on appelle l'apprentissage social en ligne mettant l'accent sur l’interaction entre les apprenants. La considération de l’interaction a apporté de nombreux avantages pour l’apprenant, à savoir établir des connexions, échanger des expériences personnelles et bénéficier d’une assistance lui permettant d’améliorer son apprentissage. Cependant, la quantité d'informations personnelles que les apprenants divulguent parfois lors de ces interactions, mène, à des conséquences souvent désastreuses en matière de vie privée comme la cyberintimidation, le vol d’identité, etc. Malgré les préoccupations soulevées, la vie privée en tant que droit individuel représente une situation idéale, difficilement reconnaissable dans le contexte social d’aujourd’hui. En effet, on est passé d'une conceptualisation de la vie privée comme étant un noyau des données sensibles à protéger des pénétrations extérieures à une nouvelle vision centrée sur la négociation de la divulgation de ces données. L’enjeu pour les environnements sociaux d’apprentissage consiste donc à garantir un niveau maximal d’interaction pour les apprenants tout en préservant leurs vies privées. Au meilleur de nos connaissances, la plupart des innovations dans ces environnements ont porté sur l'élaboration des techniques d’interaction, sans aucune considération pour la vie privée, un élément portant nécessaire afin de créer un environnement favorable à l’apprentissage. Dans ce travail, nous proposons un cadre de vie privée que nous avons appelé « gestionnaire de vie privée». Plus précisément, ce gestionnaire se charge de gérer la protection des données personnelles et de la vie privée de l’apprenant durant ses interactions avec ses co-apprenants. En s’appuyant sur l’idée que l’interaction permet d’accéder à l’aide en ligne, nous analysons l’interaction comme une activité cognitive impliquant des facteurs contextuels, d’autres apprenants, et des aspects socio-émotionnels. L'objectif principal de cette thèse est donc de revoir les processus d’entraide entre les apprenants en mettant en oeuvre des outils nécessaires pour trouver un compromis entre l’interaction et la protection de la vie privée. ii Ceci a été effectué selon trois niveaux : le premier étant de considérer des aspects contextuels et sociaux de l’interaction telle que la confiance entre les apprenants et les émotions qui ont initié le besoin d’interagir. Le deuxième niveau de protection consiste à estimer les risques de cette divulgation et faciliter la décision de protection de la vie privée. Le troisième niveau de protection consiste à détecter toute divulgation de données personnelles en utilisant des techniques d’apprentissage machine et d’analyse sémantique.

Gestionnaire de vie privée : un cadre pour la protection de la vie privée dans les interactions entre apprenants

L’évolution continue des besoins d’apprentissage vers plus d’efficacité et plus de personnalisation a favorisé l’émergence de nouveaux outils et dimensions dont l’objectif est de rendre l’apprentissage accessible à tout le monde et adapté aux contextes technologiques et sociaux. Cette évolution a donné naissance à ce que l’on appelle l'apprentissage social en ligne mettant l'accent sur l’interaction entre les apprenants. La considération de l’interaction a apporté de nombreux avantages pour l’apprenant, à savoir établir des connexions, échanger des expériences personnelles et bénéficier d’une assistance lui permettant d’améliorer son apprentissage. Cependant, la quantité d'informations personnelles que les apprenants divulguent parfois lors de ces interactions, mène, à des conséquences souvent désastreuses en matière de vie privée comme la cyberintimidation, le vol d’identité, etc. Malgré les préoccupations soulevées, la vie privée en tant que droit individuel représente une situation idéale, difficilement reconnaissable dans le contexte social d’aujourd’hui. En effet, on est passé d'une conceptualisation de la vie privée comme étant un noyau des données sensibles à protéger des pénétrations extérieures à une nouvelle vision centrée sur la négociation de la divulgation de ces données. L’enjeu pour les environnements sociaux d’apprentissage consiste donc à garantir un niveau maximal d’interaction pour les apprenants tout en préservant leurs vies privées. Au meilleur de nos connaissances, la plupart des innovations dans ces environnements ont porté sur l'élaboration des techniques d’interaction, sans aucune considération pour la vie privée, un élément portant nécessaire afin de créer un environnement favorable à l’apprentissage. Dans ce travail, nous proposons un cadre de vie privée que nous avons appelé « gestionnaire de vie privée». Plus précisément, ce gestionnaire se charge de gérer la protection des données personnelles et de la vie privée de l’apprenant durant ses interactions avec ses co-apprenants. En s’appuyant sur l’idée que l’interaction permet d’accéder à l’aide en ligne, nous analysons l’interaction comme une activité cognitive impliquant des facteurs contextuels, d’autres apprenants, et des aspects socio-émotionnels. L'objectif principal de cette thèse est donc de revoir les processus d’entraide entre les apprenants en mettant en oeuvre des outils nécessaires pour trouver un compromis entre l’interaction et la protection de la vie privée. ii Ceci a été effectué selon trois niveaux : le premier étant de considérer des aspects contextuels et sociaux de l’interaction telle que la confiance entre les apprenants et les émotions qui ont initié le besoin d’interagir. Le deuxième niveau de protection consiste à estimer les risques de cette divulgation et faciliter la décision de protection de la vie privée. Le troisième niveau de protection consiste à détecter toute divulgation de données personnelles en utilisant des techniques d’apprentissage machine et d’analyse sémantique.

Causación y ergatividad en la semántica relacional

En el marco de la gramática contrastiva entre inglés y castellano, asumimos la perspectiva generativista, según la cual la sintaxis humana resulta de procesos derivacionales que combinan, por medio de mecanismos innatos, elementos capaces de codificar significados primitivos. Trabajamos con datos, ya sea reales o inventados, que ilustran los distintos tipos de oraciones ?gramaticales? posibles en una lengua natural. Nos centramos en la noción de ?ergatividad?, utilizada por distintas teorías para explicar fenómenos sintácticos y semánticos no siempre coincidentes. Desde el Funcionalismo/Cognitivismo norteamericano, Scott DeLancey (2001) compara distintas lenguas y distingue morfológicamente los sujetos ?agentivos? en estructuras causadas de los sujetos ?afectados? en estructuras no causadas. Según la Lingüística Sistémica Funcional (Halliday 1985, 2004), la ergatividad abarca, no sólo la presencia o ausencia de Causa en un proceso particular, sino también la relación causal que vincula distintos procesos entre sí. El esquema ergativo de Halliday incluye, además de pares constituidos por eventos de cambio de estado no causados y de causa externa, eventos inergativos de causa externa, y eventos transitivos instigados por otro proceso, expresado lingüísticamente o bien inferido. Desde la perspectiva de la Semántica Relacional (Mateu, 2002), reducimos el número de ?constructos primitivos? disponibles de tres a dos. Consideramos dos alternancias: la ergativo-transitiva y la causa interna/externa con inergativos. No vinculamos ni sintáctica ni derivacionalmente las construcciones transitivas con los eventos inferidos que las instigan. Justificamos la relación derivacional que vincula las construcciones pasivas estáticas con las construcciones ergativas de verbos naturalmente alternantes, por un lado, y, con las construcciones transitivas de verbos de ?locatum? y de inergativos, por el otro. Reanalizamos, respecto de la bibliografía canónica, la naturaleza del clítico ?se? en las construcciones ergativas españolas. Este análisis orienta de manera teórica el abordaje de las construcciones pertinentes, y ofrece equivalencias posibles que pueden resultar útiles para la traducción

Causación y ergatividad en la semántica relacional

En el marco de la gramática contrastiva entre inglés y castellano, asumimos la perspectiva generativista, según la cual la sintaxis humana resulta de procesos derivacionales que combinan, por medio de mecanismos innatos, elementos capaces de codificar significados primitivos. Trabajamos con datos, ya sea reales o inventados, que ilustran los distintos tipos de oraciones ?gramaticales? posibles en una lengua natural. Nos centramos en la noción de ?ergatividad?, utilizada por distintas teorías para explicar fenómenos sintácticos y semánticos no siempre coincidentes. Desde el Funcionalismo/Cognitivismo norteamericano, Scott DeLancey (2001) compara distintas lenguas y distingue morfológicamente los sujetos ?agentivos? en estructuras causadas de los sujetos ?afectados? en estructuras no causadas. Según la Lingüística Sistémica Funcional (Halliday 1985, 2004), la ergatividad abarca, no sólo la presencia o ausencia de Causa en un proceso particular, sino también la relación causal que vincula distintos procesos entre sí. El esquema ergativo de Halliday incluye, además de pares constituidos por eventos de cambio de estado no causados y de causa externa, eventos inergativos de causa externa, y eventos transitivos instigados por otro proceso, expresado lingüísticamente o bien inferido. Desde la perspectiva de la Semántica Relacional (Mateu, 2002), reducimos el número de ?constructos primitivos? disponibles de tres a dos. Consideramos dos alternancias: la ergativo-transitiva y la causa interna/externa con inergativos. No vinculamos ni sintáctica ni derivacionalmente las construcciones transitivas con los eventos inferidos que las instigan. Justificamos la relación derivacional que vincula las construcciones pasivas estáticas con las construcciones ergativas de verbos naturalmente alternantes, por un lado, y, con las construcciones transitivas de verbos de ?locatum? y de inergativos, por el otro. Reanalizamos, respecto de la bibliografía canónica, la naturaleza del clítico ?se? en las construcciones ergativas españolas. Este análisis orienta de manera teórica el abordaje de las construcciones pertinentes, y ofrece equivalencias posibles que pueden resultar útiles para la traducción

Causación y ergatividad en la semántica relacional

En el marco de la gramática contrastiva entre inglés y castellano, asumimos la perspectiva generativista, según la cual la sintaxis humana resulta de procesos derivacionales que combinan, por medio de mecanismos innatos, elementos capaces de codificar significados primitivos. Trabajamos con datos, ya sea reales o inventados, que ilustran los distintos tipos de oraciones ?gramaticales? posibles en una lengua natural. Nos centramos en la noción de ?ergatividad?, utilizada por distintas teorías para explicar fenómenos sintácticos y semánticos no siempre coincidentes. Desde el Funcionalismo/Cognitivismo norteamericano, Scott DeLancey (2001) compara distintas lenguas y distingue morfológicamente los sujetos ?agentivos? en estructuras causadas de los sujetos ?afectados? en estructuras no causadas. Según la Lingüística Sistémica Funcional (Halliday 1985, 2004), la ergatividad abarca, no sólo la presencia o ausencia de Causa en un proceso particular, sino también la relación causal que vincula distintos procesos entre sí. El esquema ergativo de Halliday incluye, además de pares constituidos por eventos de cambio de estado no causados y de causa externa, eventos inergativos de causa externa, y eventos transitivos instigados por otro proceso, expresado lingüísticamente o bien inferido. Desde la perspectiva de la Semántica Relacional (Mateu, 2002), reducimos el número de ?constructos primitivos? disponibles de tres a dos. Consideramos dos alternancias: la ergativo-transitiva y la causa interna/externa con inergativos. No vinculamos ni sintáctica ni derivacionalmente las construcciones transitivas con los eventos inferidos que las instigan. Justificamos la relación derivacional que vincula las construcciones pasivas estáticas con las construcciones ergativas de verbos naturalmente alternantes, por un lado, y, con las construcciones transitivas de verbos de ?locatum? y de inergativos, por el otro. Reanalizamos, respecto de la bibliografía canónica, la naturaleza del clítico ?se? en las construcciones ergativas españolas. Este análisis orienta de manera teórica el abordaje de las construcciones pertinentes, y ofrece equivalencias posibles que pueden resultar útiles para la traducción

Discovering user access pattern based on probabilistic latent factor model

There has been an increased demand for characterizing user access patterns using web mining techniques since the informative knowledge extracted from web server log files can not only offer benefits for web site structure improvement but also for better understanding of user navigational behavior. In this paper, we present a web usage mining method, which utilize web user usage and page linkage information to capture user access pattern based on Probabilistic Latent Semantic Analysis (PLSA) model. A specific probabilistic model analysis algorithm, EM algorithm, is applied to the integrated usage data to infer the latent semantic factors as well as generate user session clusters for revealing user access patterns. Experiments have been conducted on real world data set to validate the effectiveness of the proposed approach. The results have shown that the presented method is capable of characterizing the latent semantic factors and generating user profile in terms of weighted page vectors, which may reflect the common access interest exhibited by users among same session cluster.

Towards user profiling for web recommendation

Collaborative recommendation is one of widely used recommendation systems, which recommend items to visitor on a basis of referring other's preference that is similar to current user. User profiling technique upon Web transaction data is able to capture such informative knowledge of user task or interest. With the discovered usage pattern information, it is likely to recommend Web users more preferred content or customize the Web presentation to visitors via collaborative recommendation. In addition, it is helpful to identify the underlying relationships among Web users, items as well as latent tasks during Web mining period. In this paper, we propose a Web recommendation framework based on user profiling technique. In this approach, we employ Probabilistic Latent Semantic Analysis (PLSA) to model the co-occurrence activities and develop a modified k-means clustering algorithm to build user profiles as the representatives of usage patterns. Moreover, the hidden task model is derived by characterizing the meaningful latent factor space. With the discovered user profiles, we then choose the most matched profile, which possesses the closely similar preference to current user and make collaborative recommendation based on the corresponding page weights appeared in the selected user profile. The preliminary experimental results performed on real world data sets show that the proposed approach is capable of making recommendation accurately and efficiently.