Ces scripts sont destinés à extraire certaines caractéristiques à partir de données brutes de Twitter décrivant les utilisateurs (tweets, informations de profil ainsi que des données externes). Une fois les caractéristiques extraites, différentes formes de SVM (machines à vecteurs de support) sont entraînées et des régressions logistiques sont effectuées pour classifier ces utilisateurs. Ces opérations sont menées sur différents sous-groupes de caractéristiques. Les détails du processus sont donnés dans les publications ci-dessous. Les scripts ont été appliqués à la classification des utilisateurs de Twitter en termes d’influence hors ligne, sur la base du jeu de données RepLab 2014.
- URL : https://github.com/CompNet/Influence
- Date de production : 2014–2015
- Publications liées :
- Jean-Valère Cossu, Vincent Labatut et Nicolas Dugué. « A Review of Features
for the Discrimination of Twitter Users : Application to the Prediction of Offline
Influence ». In : Social Network Analysis and Mining (SNAM) 6:25 (2016). DOI:
10.1007/s13278-016-0329-x. ⟨hal-01203171⟩ - Jean-Valère Cossu, Nicolas Dugué et Vincent Labatut. « Detecting Real-World
Influence Through Twitter ». In : 2nd European Network Intelligence Conference (ENIC).
Karlskrona, SE : IEEE Publishing, 2015, p. 83-90. DOI: 10.1109/ENIC.2015.20.
⟨hal-01164453⟩ (publication à citer si vous utilisez ce code source)
- Jean-Valère Cossu, Vincent Labatut et Nicolas Dugué. « A Review of Features