Mecanismos para la geolocalización de usuarios en Twitter

Abstract

En este documento se tratan los dos métodos principales descritos en la literatura académica sobre la geolocalización en Twitter: el basado en el análisis de texto y el de análisis de las redes de usuarios. Se profundiza en las técnicas que emplea cada uno de ellos, especialmente aquellas relacionadas con el procesamiento del lenguaje natural, algoritmos de Machine-Learning y las relacionadas con el análisis de grafos. Posteriormente, se implementan en código Python los mecanismos necesarios para llevar a cabo todo el proceso de geolocalización siguiendo algunos de los métodos descritos. Para lo cual, se obtienen diversos conjuntos de tweets utilizando la API de Twitter y se almacenan en una base de datos MongoDB. Seguidamente se lee la información relevante y se inicializan las estructuras de datos que, tras su etapa de preprocesado, se utilizarán en los algoritmos de Machine-Learning o análisis de grafos y que permitirán la clasificación de los mismos como pertenecientes a una localización u otra. Aunque el código presentado no pretende competir en eficacia y exactitud con los métodos descritos en la literatura académica, sí que nos permite obtener una visión completa de su funcionamiento, permitiendo descender a los detalles de implementación como las librerías que se precisan, las estructuras de datos, los parámetros que determinan el comportamiento de los algoritmos de clasificación, las herramientas de visualización y presentación de resultados, etc. Obtendremos gracias a ello las conclusiones de índole práctica relacionadas con los distintos mecanismos de geolocalización y que permitan seleccionar el más adecuado en función de la utilidad final para la que se emplee tal localización.