Network analysis on conversation graphs in online social media

Social media audiences express their idea through comment session on an online post where virtual discussions are formed, deputizing closely to the real/direct communication. Seeing that most studies on social networks are centralized only on user-to-user relationship, they let through valuable information from those digital conversations, which is essential for understanding online communication behavior. This study proposes a novel approach to retrieve popular patterns on online threaded conversations using network-based analysis. The analysis consists of two main stages: intent analysis and network generation. Users’ intention in social media comments are detected using Support Vector Machines (SVM) algorithm. Keyword-based detection involving human-in-the-loop is applied to define the initial ground truth to train the classification model. A direct multigraph network is constructed covering essential information of social media collection and conversation graphs inside portray communication patterns among the users including the intent information. We implement our method on a real social media challenge data: YourExpo2015. In the experiments, we obtain 98% accuracy of the intent analysis. In the end, the most popular online discussion patterns obtained from conversation graphs resemble characters on real-life communication activities.

Gli utenti dei social media si esprimono attraverso la sessione di commento sui post online, dove si forum in cui sono conformi alla comunicazione reale / diretta. La maggior parte dei precedenti studi sui social network solo le relazioni tra utenti, tralasciando molte informazioni che sono essenziali per la vigilanza dell 'andamento delle comunicazioni online. Il seguente studio vuole essere un nuovo approccio per identificare schemi sui grafi. L'analisi dell'intenzione degli utenti e la generazione di un network. L'intenzione degli utenti nei commenti sui social media viene rilevata utilizzando l'algoritmo SVM (Support Vector Machines). Il rilevamento basato su parole chiave che coinvolge l'approccio "human-in-the-loop" viene applicato per definire la verità di base iniziale per addestrare il modello di classificazione. Viene costruita una rete a più reti diretta che copre le informazioni essenziali della raccolta dei social media e i grafici delle conversazioni all'interno dei modelli di comunicazione tra gli utenti, comprese le informazioni sull'intento. Implementiamo il nostro metodo su una vera sfida per i social media: YourExpo2015. Negli esperimenti, otteniamo una precisione del 98% dell'analisi intent. Alla fine, i modelli di discussione online più popolari ottenuti dai grafici di conversazione assomigliano a personaggi di attività di comunicazione reali.