Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

CTIC-CSBC2013 - Bots Sociais: Como robôs podem se tornar pessoas influentes no Twitter?

No description
by

Johnnatan Messias

on 22 July 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of CTIC-CSBC2013 - Bots Sociais: Como robôs podem se tornar pessoas influentes no Twitter?

Bots Sociais: Como robôs podem se tornar pessoas influentes no Twitter?
johnnatan20@gmail.com
@johnnatan20
Johnnatan Messias
Ricardo Rabelo
Fabrício Benevenuto
CTIC - CSBC2013
Maceió - AL
Introdução
Construção dos Bots
Criados dois algoritmos robôs
Fepessoinha: Apenas segue
Scarina: Segue, exclui e posta tweets

Respeitando as limitações do Twitter:
Máximo de 350 requisições/hora
Seguir, no máximo, 2000 usuários, via API
Seguir, no máximo, 1000 usuários/dia

API Python do Twitter
Os Bots
Sigam-me os bons!
Transformando robôs em pessoas influentes no Twitter
Experimentos
Cenário 1: Seguindo usuários (bot Fepessoinha)

Cenário 2: Seguindo e excluindo usuários (bot Scarina)

Cenário 3: Seguindo, excluindo usuários e postando Tweets (bot Scarina)

Cenário 4: Seguindo, excluindo usuários, postando Tweets e com interrupções na execução (bot Scarina)
Jornais, revistas e artigos científicos utilizam esses serviços para divulgação de rankings de usuários influentes
Serviços de medição de influência:
Klout 2012
Twitalyzer 2012

Investigar estratégias para tornar um usuário influente
Criar robôs simples capazes de:
Trocar informações
Seguir usuários
Conquistar novos seguidores
OMO
Seguir
Postar
C
?
Seguir
Inicia lista vazia;
Adiciona o id inicial na lista
Faça até que o tamanho da lista seja menor que 2000
Retire o primeiro nó da lista
Siga o usuário removido da lista
Pegue uma amostra de 30 usuários que esse usuário segue
Inclua a amostra dos 30 usuários na lista
Aguarde um tempo aleatório contido no intervalo [X;X*3] de segundos
Postar
Carrega dicionário dic
Loop:
Pare de seguir usuários que não a seguem
palavra de busca = “globo “ + dic.random()
Busque no Twitter os tweets relacionados com a palavra de busca
Poste no Twitter uma amostra de 4 tweets com uma diferença de tempo aleatório contido no intervalo [x,x*3], onde x é o tempo em segundos.
Aguarde um tempo aleatório contido no intervalo [x,x*3], onde x é o tempo em segundos.
Scarina
Dicionário de dados baseado nos Trends Topics do Twitter
Utilizar estratégias de PLN
Avaliar novas estratégias
Até mesmo as não susceptíveis a ataques de bots (Trustrank)
Trabalhos Futuros
Trabalhos Futuros
Obrigado!
Coleta dos Dados
Coleta dos Dados
Dados de 90 dias de experimento

Configuração das contas do Twitter para enviar as ações dos bots para e-mails do Yahoo
Coleta dos e-mails do Yahoo em formato .eml
Criação de um algoritmo "parser" para extrair informações: tweets favoritos, mencionados, respondidos, retweets, usuários seguidores e mensagem.

Klout: Coleta das informações dos 90 dias de experimento
Twitalyzer: Coleta somente ao final do experimento
Conclusão
Conclusão
Simples bots conseguiram resultados significantes em sistemas classificadores de influência como Klout e Twitalyzer.

Spammers podem facilmente se passar por celebridades e pessoas populares, utilizando contas automatizadas

Como melhor estratégia, verificamos que o bot também deve interagir, postando conteúdos relevantes na rede.
Resultados
Cenário 1
Resultados Finais
Cenário 2 e 3
Cenário 4
Bots podem conquistar altos níveis de influência
Recuperação de informação
Busca
Será que é fácil manipular esses rankings de influência?
Proposta
Nenhum dos trabalhos tem embasamento científico dos sistemas de avaliação de influência
Rafinha Bastos é o mais influente do Twitter, diz "New York Times"
Publicações
Mídia
You followed my bot! Transforming robots into influential users in Twitter.
Johnnatan Messias, Lucas Schmidt, Ricardo Rabelo, and Fabrício Benevenuto.
In First Monday. Volume 18, Number 7, July, 2013.
Sigam-me os bons! Transformando robôs em pessoas influentes no Twitter.
Johnnatan Messias, Lucas Schmidt, Ricardo Rabelo, Fabrício Benevenuto.
In Proceedings of the Brazilian Workshop on Social Network Analysis and Mining (BraSNAM). Curiba, Brasil. Julho, 2012.
Best paper nominee (among 4).
http://www.huffingtonpost.com/2013/07/08/twitter-bots-influence_n_3542561.html

http://gizmodo.uol.com.br/robo-twitter-influencia/

http://partners.peerindex.com/honey-i-followed-a-twitter-bot/

http://on.aol.com/video/twitter-bots-have-no-trouble-fooling-you-517848263

http://on.aol.com/video/twitter-bots-gain-real-influence--analysts-find-517848461

http://www.dailydot.com/news/new-twitter-bots-klout-score-test/
Full transcript