Sigam-me os bons! Transformando robôs em pessoas influentes no Twitter

• Johnnatan Messias Universidade Federal de Ouro Preto
• Lucas Schmidt Universidade Federal de Ouro Preto
• Ricardo Oliveira Universidade Federal de Ouro Preto
• Fabricio Benevenuto Universidade Federal de Ouro Preto

Resumo

Sistemas que classificam usuários influentes nas redes sociais tem sido usados com grande frequência, sendo referenciados em artigos científicos e na mídia como padrão ideal para avaliação de influência na rede social Twitter. Consideramos esta medição algo complexo e subjetivo e por isso suspeitamos da vulnerabilidade e facilidade de manipulação nesses sistemas. Baseado nisto, realizamos experimentos e análises em dois sistemas de classificação de influência: Klout e Twitalyzer. Criamos robôs simples capazes de interagir, através de contas no Twitter e medimos suas influências. Nossos resultados mostram que é possível ser influente através de estratégias simples. Isso sugere que os sistemas não possuem métricas ideais para classificar influência.

Palavras-chave: Robôs, Usuários Influentes, Twitter

Referências

Anger, I. and Kittl, C. (2011). Measuring influence on twitter. In I-KNOW, page 31.

Bakshy, E., Hofman, J. M., Mason, W. A., and Watts, D. J. (2011). Everyone’s an influencer: quantifying influence on Twitter. In ACM WSDM, pages 65–74.

Brown, P. and Feng, J. (2011). Measuring user influence on twitter using modified k-shell decomposition. In The Social Mobile Web.

Castillo, C., Mendoza, M., and Poblete, B. (2011). Information credibility on Twitter. In ACM Int’l conference on World Wide Web (WWW), pages 675–684.

Cha, M., Haddadi, H., Benevenuto, F., and Gummadi, K. P. (2010). Measuring User Influence in Twitter: The Million Follower Fallacy. In AAAI ICWSM.

H. Purohit, Y. Ruan, A. J. S. P. and Sheth, A. (2011). Understanding user-community engagement by multi-faceted features: A case study on twitter. In Conference of Social Media Analytics Workshop at World Wide Web (WWW).

Klout (2012). [link].

Lee, C., Kwak, H., Park, H., and Moon, S. (2010). Finding influentials based on the temporal order of information adoption in Twitter. In ACM WWW.

Leonhardt, D. (2011). A better way to measure twitter influence. The New York Times.

Pal, A. and Counts, S. (2011). Identifying topical authorities in microblogs. In ACM WSDM, pages 45–54.

Romero, D. M., Galuba, W., Asur, S., and Huberman, B. A. (2011). Influence and passivity in social media. In ACM WWW, pages 113–114.

Saptarshi Ghosh, Bimal Viswanath, F. K. N. K. S. K. G. F. B. N. G. and Gummadi, K. (2012). Understanding and Combating Link Farming in the Twitter Social Network. In Proceedings of the 21st International World Wide Web Conference (WWW’12), Lyon, France.

Twitalyzer (2012). [link].

Weng, J., Lim, E.-P., Jiang, J., and He, Q. (2010). Twitterrank: finding topic-sensitive influential twitterers. In ACM WSDM.

Yan, J. L. S. and Kaziunas, E. (2012). What is a tweet worth?: measuring the value of social media for an academic institution. In Proceedings of the 2012 iConference, iConference ’12, pages 565–566, New York, NY, USA. ACM.

Zhang, C. M. and Paxson, V. (2011). Detecting and Analyzing Automated Activity on Twitter. In Passive and Active Measurement (PAM).