Detección automática de seguidores falsos en Twitter

Abstract

La existencia de Redes Sociales en la actualidad conlleva, aunque en la mayoría de los casos es bueno y de gran utilidad hacia la comunidad que las consume, a veces un uso inadecuado de las mismas y, en numerosas ocasiones, ilegal. Conseguir la ‘fama’ en estas comunidades, ya sea para fines publicitarios, económicos o de simple entretenimiento, parece el objetivo de muchas personas o colectivos que tratan por todos los medios de obtener el mayor número de visitantes, visores o seguidores en sus perfiles públicos. Aquí viene el tema principal; a los perfiles que intentan conseguir esos seguidores, que tanta importancia mediática implican, no les resulta una tarea sencilla en muchos casos y recurren a la contratación de seguidores falsos. Un seguidor falso no es más que una cuenta automatizada tecnológicamente que intenta imitar el comportamiento de un usuario real. A partir de esta situación ilegal surge la necesidad, por parte del sector tecnológico, de desarrollar herramientas que la prevengan, o en su defecto la detecten y así tomar las medidas adecuadas. Esta es la parte que corresponde a este Trabajo Fin de Grado. Consta del desarrollo de una herramienta que detecte este tipo de comportamiento de usuarios, que serán denominados ‘bots’. La herramienta es realizada sobre una de las mayores y más utilizadas redes sociales, Twitter: una comunidad en la cual los usuarios publican pequeños posts conocidos como ‘tweets’ hacia otros usuarios en una relación de seguimiento entre perfiles. Los usuarios pueden interactuar con otros usuarios mediante dichos tweets. Este trabajo consiste en el trato de una serie de tweets y usuarios reales y falsos almacenados en una base de datos no relacional para poder extraer datos relevantes a partir de ellos. Estos datos son obtenidos a partir de la API de Twitter y procesados mediante algoritmos en el lenguaje de programación Python. El correcto formato, trato de los datos y ayuda de las librerías de Python enfocadas a machine learning, ha permitido formar un modelo de entrenamiento óptimo con el cual detectar si los usuarios de Twitter corresponden a personas reales, o cuentas automatizadas.