Análisis de personalidad en Twitter mediante modelos de usuario basados en extracción de características y aprendizaje colaborativo

El estudio de la personalidad es un campo muy trabajado tanto en el ámbito de la psicología como en el de la recuperación de información. Pese al interés social que despierta, y las numerosas técnicas y trabajos que se han desarrollado al respecto, sigue siendo un campo abierto con mucho trabajo por hacer. En el estudio de la personalidad existen algunos aspectos clave que han supuesto grandes desafíos para la comunidad científica. Muchos de ellos están relacionados con la adquisición de datos fiables y estadísticamente representativos,esto es, su cientes, para la validación de la personalidad de los usuarios. Las propuestas tradicionales, donde los sujetos realizan las encuestas estando físicamente presentes ofrecen resultados muy fiables, aunque su alcance en cuanto a número de usuarios es muy limitado. En este proyecto se ha propuesto una estrategia que busca balancear un altísimo alcance con resultados fiables. Otra área compleja en el campo del estudio de la personalidad es la dedicada a la inferencia de la personalidad de un usuario a partir de la información disponible sobre el mismo. Tanto el proceso de la inferencia como la obtención de la información son tareas complicadas. Los algoritmos del estado del arte (SoA) de este ámbito se han dirigido a las redes sociales para adquirir la información sobre los usuarios y generar modelos de usuario a partir de ella. Estos modelos son posteriormente utilizados para entrenar los algoritmos de inferencia. A pesar de que existe gran cantidad de información en la web, adquirirla no siempre es sencillo o legal. Por ello, aparte de por motivos de rendimiento computacional, los modelos de usuario generados tienden a ser lo más simples posible. En este trabajo se propone una técnica para obtener grandes cantidades de información de usuarios de forma legal de la red social Twitter. En esta misma línea, se ha demostrado en este trabajo las ventajas de usar modelos con más cantidad de información. Resulta de especial interés la demostración de lo útil que ha resultado ser la información sobre los usuarios afines a un usuario dado (principalmente su personalidad) para la inferencia de la personalidad del usuario objetivo.Al finalizar este proyecto se ha presentado un sistema completo para inferir la personalidad de un usuario a partir de su información en la red social Twitter. Aparte de para obtener resultados de inferencia, el sistema ha sido diseñado para poder evaluar distintos modelos de usuario, clasificadores o dimensiones de la personalidad, llegándose a obtener conclusiones tan relevantes para el estado del arte como la ya mencionada importancia de incluir la información sobre la personalidad de los usuarios afines a un usuario concreto en el momento de inferir la personalidad de éste.Personality research is one of the most popular research elds in psychology and information retrieval techniques. Despite the social interest in this area, and all the proposed techniques and methods to de ne and study it, there is still a lot of work to be done. There are some key aspects on these studios that have been tough to face along the time by the scienti c community. Many of them are related to acquiring reliable and statistically-representative validation information from the users. Traditional approaches, where subjects have to attend somewhere to do the survey seems to be quite reliable, but their scope is very limited. In this thesis, an online strategy is proposed which trades-o high scope and reliable results. Another key challenge in this eld is inferring the personality of an user using the available information. Both, the inferring process and getting information from the users, are di cult tasks. Approaches in the state of the art (SoA) turn to the social networks to acquire this information and generate user models based on it. These models are lately used to train the inferring system. Even if there is a lot of information on the web, acquiring it is not always legal or easy. Because of that, user models proposed in the SoA tend to be as simple as possible. In this work, a technique to obtain big amounts of users information from the social network Twitter is presented. Also the advantages of using user models with more information are demonstrated. Specially remarkable is the demonstration of how useful is to use not just the user information but the peer users, mainly the personality of them. At the end of this project a complete system to infer the personality of an user from its information in the social network Twitter is presented. Apart from the inferring tests, the system has been used to compare and evaluate user models, classi ers and personality dimensions, being able to obtain results as important as the aforementioned utility of using peer users personality information when inferring a target user personality