Procesamiento de información social
El etiquetado ya ha atraído el interés de la comunidad de IA. Si bien el propósito inicial del etiquetado era ayudar a los usuarios a organizar y administrar sus propios documentos, desde entonces se ha propuesto que el etiquetado colectivo de documentos comunes se puede utilizar para organizar la información a través de un sistema de clasificación informal denominado folksonomía. Hay esperanza [¿quién?] De que las folksonomías eventualmente ayudarán a cumplir la promesa de la Web Semántica. Computación basada en humanos e inteligencia colectiva ¿Qué tipo de problemas son susceptibles de abordar los enfoques informáticos de enjambres humanos? ¿Cómo podemos diseñar el efecto de "sabiduría de multitudes" para beneficiar nuestras necesidades de resolución de problemas? Incentivos a la participación ¿Cómo obtener metadatos y contenido de calidad de los usuarios? ¿Cómo se puede alentar a los usuarios que se resisten al etiquetado a etiquetar contenido? Redes sociales Si bien los usuarios crean redes sociales por una variedad de razones, por ejemplo, para rastrear la vida de amigos o el trabajo o las opiniones de los usuarios que respetan, la información de la red es importante para muchas aplicaciones. A nivel mundial, puede surgir un ecosistema de información a través de las interacciones entre los usuarios y entre los usuarios y el contenido. Una comunidad de usuarios interesados en un tema específico puede surgir con el tiempo, con vínculos con otras comunidades que brindan información sobre las relaciones entre temas. Evolución de los ecosistemas de información y redes sociales ¿Cómo cambia el contenido y su calidad con el tiempo? Existe un interés creciente en los sistemas de producción entre pares, por ejemplo, en cómo y por qué algunos proyectos de código abierto como Linux y Wikipedia tienen éxito. ¿Bajo qué circunstancias es probable que los sitios de contenido generado por el usuario tengan éxito y qué implicaciones tiene esto para el intercambio de información y el aprendizaje dentro de las comunidades? Algoritmos Antes de que podamos aprovechar el poder del procesamiento de la información social, necesitamos nuevos enfoques para el análisis de datos estructurados, específicamente algoritmos para sintetizar varios tipos de metadatos: por ejemplo, redes sociales y etiquetado. La investigación en esta área proporcionará una base de principios para el desarrollo de nuevos algoritmos para la búsqueda social, el descubrimiento y la personalización de información y otros enfoques que explotan el poder del procesamiento de la información social. Sistemas de recomendación social La sobrecarga social corresponde a imponerse a una gran cantidad de información e interacción en la web social. La sobrecarga social causa algunos desafíos tanto desde el punto de vista de los sitios web de redes sociales como de sus usuarios. Los usuarios necesitan manejar un gran volumen de información y tomar decisiones entre diferentes aplicaciones de redes sociales, mientras que los sitios de redes sociales intentan mantener a sus usuarios existentes y hacer que sus sitios sean interesantes para los usuarios. Para superar la sobrecarga social, se han utilizado sistemas de recomendación social para involucrar a los usuarios en sitios web de redes sociales de manera que los usuarios reciban contenido más personalizado mediante técnicas de recomendación. Los sistemas de recomendación social son tipos específicos de sistemas de recomendación que se diseñan para las redes sociales y utilizan nuevos tipos de datos que aportan, como me gusta, comentarios, etiquetas, etc., para mejorar la eficacia de las recomendaciones. La recomendación en las redes sociales tiene varios aspectos, como la recomendación de contenido de redes sociales, personas, grupos y etiquetas. Contenido Las redes sociales permiten a los usuarios proporcionar comentarios sobre el contenido producido por los usuarios de los sitios web de redes sociales, al comentar o dar me gusta al contenido compartido por otros y anotar su propio contenido mediante etiquetado. Estos metadatos recientemente introducidos por las redes sociales ayudan a obtener recomendaciones para el contenido de las redes sociales con mayor efectividad. Además, las redes sociales permiten extraer la relación explícita entre los usuarios, como la amistad y las personas seguidas / seguidores. Esto proporciona una mejora adicional en los sistemas de filtrado colaborativo porque ahora los usuarios pueden juzgar las recomendaciones proporcionadas en función de las personas con las que tienen relaciones. Se han realizado estudios que muestran la eficacia de los sistemas de recomendación que utilizan las relaciones entre los usuarios en las redes sociales en comparación con los sistemas tradicionales basados en filtrado colaborativo, específicamente para la recomendación de películas y libros. Otra mejora aportada por las redes sociales a los sistemas de recomendación es resolver el problema del inicio en frío para los nuevos usuarios. Algunas áreas de aplicación clave de la recomendación de contenido de redes sociales son la recomendación de blogs y publicaciones de blog, la recomendación de contenido multimedia como videos de YouTube, la recomendación de preguntas y respuestas para quienes formulan preguntas y responden en sitios web de preguntas y respuestas sociales, recomendación de trabajo (LinkedIn), recomendación de noticias en nuevos sitios de agregadores de redes sociales (como Digg, GoogleReader, Reddit, etc.), recomendaciones de mensajes cortos en microblogs (como Twitter). Personas Tambien conocido como social