TweetLab II

Abstract

La predicción de la edad en Twitter es una tarea interesante pero compleja, que surge como una manera de mejorar las campañas de marketing online. En este trabajo, nos centramos específicamente en la predicción de la edad de usuarios de Twitter de habla hispana, en particular los que hablan la variante del Río de la Plata. Se utiliza un corpus generado en trabajos anteriores, al cual se contribuye y se estudia oportunidades de mejora. También estudiamos diferentes estrategias y técnicas de Machine Learning y evaluamos sus resultados. Se implementaron varias técnicas de Deep Learning con diferentes arquitecturas para luego hacer experimentos con distintas variantes, y analizamos resultados. Finalmente elegimos nuestro mejor modelo y lo evaluamos con respecto al corpus generado. Los resultados indican que los modelos más simples lograron tener una mejor efectividad que otros modelos más complejos. Se analizó asimismo la efectividad de ciertas técnicas novedosas propuestas por el departamento de investigación de Facebook, las cuales ayudaron a lograr resultados competitivos.