As common vulnerabilites and exposures are detected, they are also discussed in various social platforms. The problem is that only a few of the posts made about them, are getting enough attention. This leads to an unawareness of potential and critical threats against systems. It is therefore important to look for patterns that make certain vulnerabilites more or less discussed. To do so, a framework was made for collecting discussions around cybersecurity and more specific vulnerabilites/exposures called CVE from Reddit. In addition, some of the desired data was collected from Twitter. Thereafter, the sentiments of the collected posts were calculated to see patterns between popular subreddits and the attitude shown in them. This was done with three methods: Flair, TextBlob and Vader. The results showed for instance that general discussions about information security were considered to be more positive than discussions of common vulnerabilites and exposures. Another result showed that the spread of CVEs that have a partial impact, are higher in Reddit, and is increasing almost exponentially. CVSS scores showed that a CVE with a CVSS score of around 7 is more likely to appear. Many CVEs in Reddit was also discussed before and after they were disclosed. The implication of this work might be that more and more people might use Reddit to discuss specific types of CVEs in a suitable subreddit, as well as being aware of common vulnerabilites and exposures, in order to prevent future threats.

This thesis aims to explore the representation of transgender individuals in online Czech discourses. The study utilizes corpus linguistics to analyze news media and Facebook in order to understand the attitudes towards transgender individuals in these discourses. Previous research on gender in the Czech language and other languages is considered in order to contextualize the findings of this study. The research reflects on the Czech Press Act and Audio-visual Act, which provide guidelines for objectivity and balanced reporting in the media. Using data from Czech National Corpus the study aims to shed light on the representation of transgender individuals in online Czech discourses and provide exposure of potential hateful speech towards trans people or imbalance between the discourses. / Denna studie avser att undersöka representationer av transpersoner i webbaserade diskurser i den tjeckiska språkmiljön. I uppsatsen används korpuslingvistik för analys av nyhetstexter och Facebook med syftet att förstå vilka attityder mot transpersoner som förekommer i dessa diskurser. Tidigare lingvistisk forskning med tjeckiska korpusbaserade diskursanalyser i fokus tas i beräkning och kontextualiseras i denna studie. Tjeckisk lagstiftning kring media och objektivitetskrav reflekteras i forskningen. Denna uppsats ämnar exponera och analysera representationer av transpersoner i olika diskurser samt reflektera över huruvida kraven som den tjeckiska lagstiftningen ställer speglas i dessa onlinemiljöer.

Mentimeter is one of the fastest-growing startups in Sweden. They are an audience engagement platform that allows users to create interactive presentations and engage an audience. As online information spreads increasingly faster, methods of analyzing, understanding, and categorizing information are developing and improving rapidly. Natural Language Processing (NLP) is the ability to break down input, for instance, text or audio, and process it using technologies such as computational linguistics and statistical learning, machine learning, and deep learning models. This thesis aimed to investigate if a tool that applies multi-class emotion classification of text could benefit end users when they are creating presentations using Mentimeter. A case study was conducted where a pre-trained BERT base model that had been fine-tuned and trained to the GoEmotions data set was applied as a tool to Mentimeter’s presentation software and then evaluated by end users. The results found that the tool was accurate; however, overall was not helpful for end users. For future research, improvements such as including emotions/tones that are more related to presentations would make the tool more applicable to presentations and would be helpful according to end users. / Mentimeter är en av Sveriges snabbast växande startupbolag som erbjuder en tjänst där användare kan skapa interaktiva presenationer och engagera sin publik. Medan infomration online sprids allt snabbare utvecklas och förbättras metoder för att kunna analysera, förstå och kategorisera information. Natural Language Processing (NLP) är förmågan att kunna bryta ner indata, som text och ljud, och processera det med hjälp av teknologier som datalingvistik och statistisk inlärnings, maskininlärnings, och djupinlärnings modeller. Syftet med denna uppsats var att undersöka om ett verktyg som applicerar multi-class emotion classification med text skulle gynna användare när de skapar presentation med Mentimeter. En fallstudie utfördes där en förtränad BERT modell som hade finjusterats och tränats på GoEmotions dataset applicerades som ett verktyg på Mentimeters programvara som användare sen fick utvärdera. Resultaten visar att verktyget var motsvarande men övergripande fann användarna att verktyget inte var hjälpsamt. För framtida forskning skulle förbättringar av verktyget som att använda känslor/toner som är mer relterade till presentationer göra verktyget mer hjälpsamt enligt användare.

This study is concerned with using the popular Recurrent Neural Network (RNN) model, and its variants Gated Recurrent Unit (GRU) and Long-Short Term Memory (LSTM), on the novel problem of Sentiment Forecasting (SF). The goal of SF is to predict what the sentiment of a response will be in a conversation, using only the previous utterance. In more every day terms, we want to be able to predict the sentiment of person B’s response to something person A said, before B has said anything and using only A’s utterance. The RNN models were trained on a Swedish email database containing email conversations, where the task was to predict the average sentiment of the response emails to an initial mass-sent business email. The emails didn’t come with sentiment labels, so the Valence Aware Dictionary and sEntiment Reasoner (VADER) system was used to determine sentiments. Seventy-five training-and-testing experiments were run with varying RNN models and data conditions. The accuracy, precision, recall, and F1 scores were used to determine to what extent the models had been able to solve the problem. In particular, the F1 score of the models were compared to the F1 score of a dummy classifier that only answered with positive sentiment, with the success case being that a model was able to reach a higher F1 score than the dummy. The results led to the findings that the varying RNN models performed worse or comparably to the dummy classifier, with only 5 out of 75 experiments resulting in the RNN model reaching a higher F1 score than the positive classifier, and with the average performance of the rare succeeding models only going 2.6 percentage points over the positive only classifier, which isn’t considered worthwhile in relation to the time and resource investment involved in training RNNs. In the end, the results led to the conclusion that the RNN may not be able to solve the problem on its own, and a different approach might be needed. This conclusion is somewhat limited by the fact that more work could have been done on experimenting with the data and pre-processing techniques. The same experiments on a different dataset may show different results. Some of the observations showed that the RNN, particularly the Deep GRU, might be used as the basis for a more complex model. Complex models built on top of RNNs have been shown to be useful on similar research problems within Sentiment Analysis, so this may prove a valuable avenue of research. / Denna studie handlade om att använda den populära Recurrent Neural Network (RNN) modellen, och dess varianter Gated Recurrent Unit (GRU) och Long- Short Term Memory (LSTM), på det hittils understuderade problemet Sentiment Forecasting (SF). Målet med SF är att förutsäga vad sentimentet av ett svar kommer att vara i en konversation, med endast det tidigare uttalandet. I mer vardagliga termer vill vi kunna förutsäga känslan av person B: s svar på något som person A sagt, innan B har sagt någonting och att vi endast använder A:s yttrande. RNN-modellerna tränades med en svensk e-postdatabas som innehöll epostkonversationer, där uppgiften var att förutsäga den genomsnittliga känslan av svarsmeddelandena till ett initialt utskickat massmeddelande. E-postmeddelandena kom inte med sentimentetiketter, så Valence Aware Dictionary and sEntiment Reasoner (VADER)-systemet användes för att utvinna etiketter. Sjuttio-fem experiment genomfördes med varierande RNN-modeller och dataförhållanden. Accuracy, precision, recall och F1-score användes för att avgöra i vilken utsträckning modellerna hade kunnat lösa problemet. F1- Score:n för modellerna jämfördes med F1-Score:n för en dummy-klassificerare som endast svarade med positivt sentiment, med framgångsfallet att en modell kunde nå en högre F1-poäng än dummy:n. Resultaten ledde till fynden att de olika RNN-modellerna presterade sämre eller jämförbart med dummyklassificeraren, med endast 5 av 75 experiment som resulterade i att RNN-modellen nådde en högre F1-score än den positiva klassificeraren, och den genomsnittliga prestandan för de sällsynta framgångsrika modellerna bara kom 2,6 procentenheter över den positiva klassificeraren, vilket inte anses lönsamt i förhållande till den tid och resursinvestering som är involverad i träning av RNNs. I slutändan ledde resultaten till slutsatsen att RNN och dess varianter inte riktigt kan lösa problemet på egen hand, och en annan metod kan behövas. Denna slutsats begränsas något av det faktum att mer arbete kunde ha gjorts med att experimentera med data och förbehandlingstekniker. En annan databas skulle möjligtvis leda till ett annat resultat. Några av observationerna visade att RNN, särskilt Deep GRU, kan användas som grund för en mer komplex modell. Komplexa modeller bygga ovanpå RNNs har visat goda resultat på liknande forskningsproblem, och kan vara en värdefull forskningsriktning.

No description available.

We present a case study as part of a work-in-progress project about multimodal sentiment analysis on historic German plays, taking Emilia Galotti by G. E. Lessing as our initial use case. We analyze the textual version and an audio version (audiobook). We focus on ready-to-use sentiment analysis methods: For the textual component, we implement a naive lexicon-based approach and another approach that enhances the lexicon by means of several NLP methods. For the audio analysis, we use the free version of the Vokaturi tool. We compare the results of all approaches and evaluate them against the annotations of a human expert, which serves as a gold standard. For our use case, we can show that audio and text sentiment analysis behave very differently: textual sentiment analysis tends to predict sentiment as rather negative and audio sentiment as rather positive. Compared to the gold standard, the textual sentiment analysis achieves accuracies of 56% while the accuracy for audio sentiment analysis is only 32%. We discuss possible reasons for these mediocre results and give an outlook on further steps we want to pursue in the context of multimodal sentiment analysis on historic plays.

[ES] En los últimos años, los modelos de aprendizaje automático profundo (AP) han revolucionado los sistemas de procesamiento de lenguaje natural (PLN). Hemos sido testigos de un avance formidable en las capacidades de estos sistemas y actualmente podemos encontrar sistemas que integran modelos PLN de manera ubicua. Algunos ejemplos de estos modelos con los que interaccionamos a diario incluyen modelos que determinan la intención de la persona que escribió un texto, el sentimiento que pretende comunicar un tweet o nuestra ideología política a partir de lo que compartimos en redes sociales. En esta tesis se han propuestos distintos modelos de PNL que abordan tareas que estudian el texto que se comparte en redes sociales. En concreto, este trabajo se centra en dos tareas fundamentalmente: el análisis de sentimientos y el reconocimiento de la personalidad de la persona autora de un texto. La tarea de analizar el sentimiento expresado en un texto es uno de los problemas principales en el PNL y consiste en determinar la polaridad que un texto pretende comunicar. Se trata por lo tanto de una tarea estudiada en profundidad de la cual disponemos de una vasta cantidad de recursos y modelos. Por el contrario, el problema del reconocimiento de personalidad es una tarea revolucionaria que tiene como objetivo determinar la personalidad de los usuarios considerando su estilo de escritura. El estudio de esta tarea es más marginal por lo que disponemos de menos recursos para abordarla pero que no obstante presenta un gran potencial. A pesar de que el enfoque principal de este trabajo fue el desarrollo de modelos de aprendizaje profundo, también hemos propuesto modelos basados en recursos lingüísticos y modelos clásicos del aprendizaje automático. Estos últimos modelos nos han permitido explorar las sutilezas de distintos elementos lingüísticos como por ejemplo el impacto que tienen las emociones en la clasificación correcta del sentimiento expresado en un texto. Posteriormente, tras estos trabajos iniciales se desarrollaron modelos AP, en particular, Redes neuronales convolucionales (RNC) que fueron aplicadas a las tareas previamente citadas. En el caso del reconocimiento de la personalidad, se han comparado modelos clásicos del aprendizaje automático con modelos de aprendizaje profundo, pudiendo establecer una comparativa bajo las mismas premisas. Cabe destacar que el PNL ha evolucionado drásticamente en los últimos años gracias al desarrollo de campañas de evaluación pública, donde múltiples equipos de investigación comparan las capacidades de los modelos que proponen en las mismas condiciones. La mayoría de los modelos presentados en esta tesis fueron o bien evaluados mediante campañas de evaluación públicas, o bien emplearon la configuración de una campaña pública previamente celebrada. Siendo conscientes, por lo tanto, de la importancia de estas campañas para el avance del PNL, desarrollamos una campaña de evaluación pública cuyo objetivo era clasificar el tema tratado en un tweet, para lo cual recogimos y etiquetamos un nuevo conjunto de datos. A medida que avanzabamos en el desarrollo del trabajo de esta tesis, decidimos estudiar en profundidad como las RNC se aplicaban a las tareas de PNL. En este sentido, se exploraron dos líneas de trabajo. En primer lugar, propusimos un método de relleno semántico para RNC, que plantea una nueva manera de representar el texto para resolver tareas de PNL. Y en segundo lugar, se introdujo un marco teórico para abordar una de las críticas más frecuentes del aprendizaje profundo, el cual es la falta de interpretabilidad. Este marco busca visualizar qué patrones léxicos, si los hay, han sido aprendidos por la red para clasificar un texto. / [CA] En els últims anys, els models d'aprenentatge automàtic profund (AP) han revolucionat els sistemes de processament de llenguatge natural (PLN). Hem estat testimonis d'un avanç formidable en les capacitats d'aquests sistemes i actualment podem trobar sistemes que integren models PLN de manera ubiqua. Alguns exemples d'aquests models amb els quals interaccionem diàriament inclouen models que determinen la intenció de la persona que va escriure un text, el sentiment que pretén comunicar un tweet o la nostra ideologia política a partir del que compartim en xarxes socials. En aquesta tesi s'han proposats diferents models de PNL que aborden tasques que estudien el text que es comparteix en xarxes socials. En concret, aquest treball se centra en dues tasques fonamentalment: l'anàlisi de sentiments i el reconeixement de la personalitat de la persona autora d'un text. La tasca d'analitzar el sentiment expressat en un text és un dels problemes principals en el PNL i consisteix a determinar la polaritat que un text pretén comunicar. Es tracta per tant d'una tasca estudiada en profunditat de la qual disposem d'una vasta quantitat de recursos i models. Per contra, el problema del reconeixement de la personalitat és una tasca revolucionària que té com a objectiu determinar la personalitat dels usuaris considerant el seu estil d'escriptura. L'estudi d'aquesta tasca és més marginal i en conseqüència disposem de menys recursos per abordar-la però no obstant i això presenta un gran potencial. Tot i que el fouc principal d'aquest treball va ser el desenvolupament de models d'aprenentatge profund, també hem proposat models basats en recursos lingüístics i models clàssics de l'aprenentatge automàtic. Aquests últims models ens han permès explorar les subtileses de diferents elements lingüístics com ara l'impacte que tenen les emocions en la classificació correcta del sentiment expressat en un text. Posteriorment, després d'aquests treballs inicials es van desenvolupar models AP, en particular, Xarxes neuronals convolucionals (XNC) que van ser aplicades a les tasques prèviament esmentades. En el cas de el reconeixement de la personalitat, s'han comparat models clàssics de l'aprenentatge automàtic amb models d'aprenentatge profund la qual cosa a permet establir una comparativa de les dos aproximacions sota les mateixes premisses. Cal remarcar que el PNL ha evolucionat dràsticament en els últims anys gràcies a el desenvolupament de campanyes d'avaluació pública on múltiples equips d'investigació comparen les capacitats dels models que proposen sota les mateixes condicions. La majoria dels models presentats en aquesta tesi van ser o bé avaluats mitjançant campanyes d'avaluació públiques, o bé s'ha emprat la configuració d'una campanya pública prèviament celebrada. Sent conscients, per tant, de la importància d'aquestes campanyes per a l'avanç del PNL, vam desenvolupar una campanya d'avaluació pública on l'objectiu era classificar el tema tractat en un tweet, per a la qual cosa vam recollir i etiquetar un nou conjunt de dades. A mesura que avançàvem en el desenvolupament del treball d'aquesta tesi, vam decidir estudiar en profunditat com les XNC s'apliquen a les tasques de PNL. En aquest sentit, es van explorar dues línies de treball.En primer lloc, vam proposar un mètode d'emplenament semàntic per RNC, que planteja una nova manera de representar el text per resoldre tasques de PNL. I en segon lloc, es va introduir un marc teòric per abordar una de les crítiques més freqüents de l'aprenentatge profund, el qual és la falta de interpretabilitat. Aquest marc cerca visualitzar quins patrons lèxics, si n'hi han, han estat apresos per la xarxa per classificar un text. / [EN] In the last years, Deep Learning (DL) has revolutionised the potential of automatic systems that handle Natural Language Processing (NLP) tasks. We have witnessed a tremendous advance in the performance of these systems. Nowadays, we found embedded systems ubiquitously, determining the intent of the text we write, the sentiment of our tweets or our political views, for citing some examples. In this thesis, we proposed several NLP models for addressing tasks that deal with social media text. Concretely, this work is focused mainly on Sentiment Analysis and Personality Recognition tasks. Sentiment Analysis is one of the leading problems in NLP, consists of determining the polarity of a text, and it is a well-known task where the number of resources and models proposed is vast. In contrast, Personality Recognition is a breakthrough task that aims to determine the users' personality using their writing style, but it is more a niche task with fewer resources designed ad-hoc but with great potential. Despite the fact that the principal focus of this work was on the development of Deep Learning models, we have also proposed models based on linguistic resources and classical Machine Learning models. Moreover, in this more straightforward setup, we have explored the nuances of different language devices, such as the impact of emotions in the correct classification of the sentiment expressed in a text. Afterwards, DL models were developed, particularly Convolutional Neural Networks (CNNs), to address previously described tasks. In the case of Personality Recognition, we explored the two approaches, which allowed us to compare the models under the same circumstances. Noteworthy, NLP has evolved dramatically in the last years through the development of public evaluation campaigns, where multiple research teams compare the performance of their approaches under the same conditions. Most of the models here presented were either assessed in an evaluation task or either used their setup. Recognising the importance of this effort, we curated and developed an evaluation campaign for classifying political tweets. In addition, as we advanced in the development of this work, we decided to study in-depth CNNs applied to NLP tasks. Two lines of work were explored in this regard. Firstly, we proposed a semantic-based padding method for CNNs, which addresses how to represent text more appropriately for solving NLP tasks. Secondly, a theoretical framework was introduced for tackling one of the most frequent critics of Deep Learning: interpretability. This framework seeks to visualise what lexical patterns, if any, the CNN is learning in order to classify a sentence. In summary, the main achievements presented in this thesis are: - The organisation of an evaluation campaign for Topic Classification from texts gathered from social media. - The proposal of several Machine Learning models tackling the Sentiment Analysis task from social media. Besides, a study of the impact of linguistic devices such as figurative language in the task is presented. - The development of a model for inferring the personality of a developer provided the source code that they have written. - The study of Personality Recognition tasks from social media following two different approaches, models based on machine learning algorithms and handcrafted features, and models based on CNNs were proposed and compared both approaches. - The introduction of new semantic-based paddings for optimising how the text was represented in CNNs. - The definition of a theoretical framework to provide interpretable information to what CNNs were learning internally. / Giménez Fayos, MT. (2021). Natural Language Processing using Deep Learning in Social Media [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/172164

[ES] El análisis de sentimientos en redes sociales se ha estudiado ampliamente durante la última década. A pesar de ello, las distintas categorías de sentimientos no se consideran adecuadamente en muchos casos, y el estudio de patrones de difusión de las emociones es limitado. Por lo tanto, comprender la importancia de emociones específicas será más beneficioso para diversas actividades de marketing, toma de decisiones empresariales y campañas políticas. Esta tesis doctoral se centra en el diseño de un marco teórico para analizar el amplio espectro de sentimientos y explicar cómo se propagan las emociones utilizando conceptos de redes temporales y multicapa. Particularmente, nuestro objetivo es proporcionar información sobre el modelado de la influencia de las emociones y como esta afecta a los problemas de estimación de las emociones y a la naturaleza dinámica temporal en la conversación social. Para mostrar la eficacia del modelo propuesto, se han recopilado publicaciones relacionadas con diferentes eventos de Twitter y hemos construido una estructura de red temporal sobre la conversación. En primer lugar, realizamos un análisis de sentimientos adoptando un enfoque basado en el léxico y en el modelo circunflejo de emociones de Russell que mejora la efectividad de la caracterización del sentimiento. A partir de este análisis investigamos la dinámica social de las emociones presente en las opiniones de los usuarios analizando diferentes características de influencia social. A continuación, diseñamos un modelo estocástico temporal basado en emociones para investigar el patrón de participación de los usuarios y predecir las emociones significativas. Nuestra contribución final es el desarrollo de un modelo de influencia secuencial basado en emociones mediante la utilización de redes neuronales recurrentes que permiten predecir emociones de una manera más completa. Finalmente, el documento presenta algunas conclusiones y también describe las direcciones de investigación futuras. / [CA] L'anàlisi de sentiments en xarxes socials s'ha estudiat àmpliament durant l'última dècada. Malgrat això, les diferents categories de sentiments no es consideren adequadament en molts casos, i l'estudi de patrons de difusió de les emocions és limitat. Per tant, comprendre la importància d'emocions específiques serà més beneficiós per a diverses activitats de màrqueting, presa de decisions empresarials i campanyes polítiques. Aquesta tesi doctoral se centra en el disseny d'un marc teòric per a analitzar l'ampli espectre de sentiments i explicar com es propaguen les emocions utilitzant conceptes de xarxes temporals i multicapa. Particularment, el nostre objectiu és proporcionar informació sobre el modelatge de la influència de les emocions i com aquesta afecta als problemes d'estimació de les emocions i a la naturalesa dinàmica temporal en la conversa social. Per a mostrar l'eficàcia del model proposat, s'han recopilat publicacions relacionades amb diferents esdeveniments de Twitter i hem construït una estructura de xarxa temporal sobre la conversa. En primer lloc, realitzem una anàlisi de sentiments adoptant un enfocament basat en el lèxic i en el model circumflex d'emocions de Russell que millora l'efectivitat de la caracterització del sentiment. A partir d'aquesta anàlisi investiguem la dinàmica social de les emocions present en les opinions dels usuaris analitzant diferents característiques d'influència social. A continuació, dissenyem un model estocàstic temporal basat en emocions per a investigar el patró de participació dels usuaris i predir les emocions significatives. La nostra contribució final és el desenvolupament d'un model d'influència seqüencial basat en emocions mitjançant la utilització de xarxes neuronals recurrents que permeten predir emocions d'una manera més completa. Finalment, el document presenta algunes conclusions i també descriu les direccions d'investigació futures. / [EN] Sentiment analysis in social networks has been widely analysed over the last decade. Despite the amount of research done in sentiment analysis in social networks, the distinct categories are not appropriately considered in many cases, and the study of dissemination patterns of emotions is limited. Therefore, understanding the significance of specific emotions will be more beneficial for various marketing activities, policy-making decisions and political campaigns. The current PhD thesis focuses on designing a theoretical framework for analyzing the broad spectrum of sentiments and explain how emotions are propagated using concepts from temporal and multilayer networks. More precisely, our goal is to provide insights into emotion influence modelling that solves emotion estimation problems and its temporal dynamics nature on social conversation. To exhibit the efficacy of the proposed model, we have collected posts related to different events from Twitter and build a temporal network structure over the conversation. Firstly, we perform sentiment analysis with the adaptation of a lexicon-based approach and the circumplex model of affect that enhances the effectiveness of the sentiment characterization. Subsequently, we investigate the social dynamics of emotion present in users' opinions by analyzing different social influential characteristics. Next, we design a temporal emotion-based stochastic model in order to investigate the engagement pattern and predict the significant emotions. Our ultimate contribution is the development of a sequential emotion-based influence model with the advancement of recurrent neural networks. It offers to predict emotions in a more comprehensive manner. Finally, the document presents some conclusions and also outlines future research directions. / Naskar, D. (2022). Temporal Emotion Dynamics in Social Networks [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/180997

[EN] Cyberdemocracy tries to provide the basis for establishing improvements in democratic processes. Specifically, information and communication technologies are incorporated into policy decision-making. The objectives of cyberdemocracy are: to accomplish more direct citizen participation of the electorate in political decision-making; to develop greater fluidity of information and communication among citizens and their representatives so as to increase greater deliberation of the issues; and to enhance transparency and confidence amongst stakeholders and democratic actors. This thesis takes a new stance by assessing the situation of ideological discourse in our immediate environment, the specific case of the Valencian Community. The thesis analyses ideological discourse on the Internet (specifically in social media), from a sociolinguistic point of view, based on the idea that language may act as a democratic weapon. First of all, the premises of this research will be set up in the chapters related behind the thesis. We will discuss theoretical considerations in the areas of cyberdemocracy, corpus linguistics, sentiment analysis and appraisal theory. Secondly, in our empirical investigation, we will carry out discourse analysis into an election campaign in Twitter. We analyze anonymous Twitter accounts as well as the accounts of candidates and political parties expressing ideological messages ahead of the regional and local elections on May 24th, 2015. We consider whether the internet as tool can be used to predict the results of the vote by analyzing the volume of messages, by using sentiment analysis and opinion assessment (evaluation) of the tweets. In our analysis we develop a lexicon of political-ideological terminology as used on the social network Twitter by local political representatives and citizens of the Valencian Community. / [ES] La ciberdemocracia intenta establecer las bases de mejora en el proceso democrático. Se concreta en la incorporación de las tecnologías de la información y la comunicación a la vida política y entre sus objetivos se encuentran: hacer más directa la participación ciudadana en la toma de decisiones políticas con una mayor fluidez de información y comunicación entre la ciudadanía y sus representantes para aumentar la deliberación, así como aumentar la transparencia y confianza entre los actores democráticos. Lo novedoso con respecto al estado actual del tema reside en valorar la situación del discurso ideológico en nuestro entorno más inmediato, el caso concreto de la Comunidad Valenciana. Se trata de un análisis de la situación discursiva ideológica actual en internet, desde un punto de vista sociolingüístico, basándonos en el lenguaje como arma democrática de poder en la sociedad. El desarrollo de esta investigación se asentará, en una primera parte, en la contextualización teórica elaborada a partir de lo publicado hasta la fecha en materia de ciberdemocracia y, en una segunda parte, en el trabajo de campo: análisis del discurso en la precampaña electoral del fenómeno Twitter en cuentas anónimas, de candidatos y partidos políticos que expresan mensajes ideologizados de cara a las elecciones autonómicas y locales del 24 mayo de 2015 en la Comunidad Valenciana. Analizaremos si la herramienta de internet ha servido para prever los resultados de la votación a través de los resultados obtenidos mediante un análisis de volumen de los mensajes, un análisis de sentimientos y valoración de opinión (evaluativo) de los tweets y un lexicón de terminología político-ideológica del corpus lingüístico en la red social Twitter. / [CA] La ciberdemocràcia intenta establir les bases de millora en el procés democràtic. Es concreta en la incorporació de les tecnologies de la informació i la comunicació a la vida política i entre els seus objectius es troben: fer més directa la participació ciutadana en la presa de decisions polítiques amb una major fluïdesa d'informació i comunicació entre la ciutadania i els seus representants per augmentar la deliberació, així com augmentar la transparència i confiança entre els actors democràtics. La novetat respecte a l'estat actual del tema resideix en valorar la situació del discurs ideològic en el nostre entorn més immediat, el cas concret de la Comunitat Valenciana. Es tracta d'una anàlisi de la situació discursiva ideològica actual a internet, des d'un punt de vista sociolingüístic, basant-nos en el llenguatge com a arma democràtica de poder en la societat. El desenvolupament d'aquesta investigació s'assentarà, en una primera part, en la contextualització teòrica elaborada a partir del que es publica fins a la data en matèria de ciberdemocràcia i, en una segona part, en el treball de camp: anàlisi del discurs en la precampanya electoral del fenomen Twitter en comptes anònimes, de candidats i partits polítics que expressen missatges ideologitzats de cara a les eleccions autonòmiques i locals del 24 maig 2015 a la Comunitat Valenciana. Analitzarem si l'eina d'internet ha servit per preveure els resultats de la votació a través dels resultats obtinguts mitjançant una anàlisi de volum dels missatges, una anàlisi de sentiments i valoració d'opinió (avaluatiu) dels tweets i un lexicó de terminologia polític-ideológica del corpus lingüístic a la xarxa social Twitter. / Aparicio Moreno, JM. (2016). Ciberdemocracia: El poder del discurso político-ideológico en Twitter en el contexto de la Comunidad Valenciana [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/63469

Tesis por compendio / [ES] Esta tesis doctoral se enmarca en el área de investigación del Departamento de Economía y Ciencias Sociales, y se centra en la perspectiva conductual de la liquidez del mercado. La liquidez que varía en el tiempo y sus problemas relacionados son una de las preocupaciones dominantes en la literatura de microestructura del mercado. El papel crítico de la liquidez del mercado en la ejecución de transacciones o la determinación del rendimiento de la inversión genera inquietudes tanto para académicos como para aquellos que participan en el mercado. Por lo tanto, es necesario desvelar los problemas potenciales que pueden afectar la liquidez del mercado financiero. Esta tesis busca entender la liquidez del mercado y sus problemas relacionados a la luz del comportamiento de los inversores. La perspectiva conductual de la liquidez se examina utilizando información orientada a opiniones en microblogs. La creciente literatura de finanzas conductuales también incluye la autenticidad de los datos de microblogs tanto en la modelización como en la predicción de diversas preocupaciones asociadas con el funcionamiento eficiente de los mercados financieros. Sin embargo, la investigación previa en el ámbito de las finanzas conductuales podría haber pasado por alto algunas implicaciones potenciales de la información orientada a opiniones en microblogs sobre la liquidez del mercado a nivel de mercado y de empresa. Por lo tanto, la tesis pretende ser una aplicación empírica en esta área de investigación. La tesis se lleva a cabo como un compendio de artículos científicos, cuya memoria incluye varios artículos de investigación publicados en revistas indexadas. El primer artículo proporciona información sobre la relación entre el contenido de microblogs y el coste de facilitación de la liquidez. Durante los períodos de negociación, este estudio sugirió que el estado de ánimo de los inversionistas tenía menos influencia en afectar la liquidez que varía en el tiempo y su coste de facilitación. Sin embargo, la información entrante en un día dado fue más influyente para las sesiones de negociación siguientes. Los sentimientos construidos sobre una base de dos días estaban asociados con el costo de facilitación de la liquidez. El segundo articulo aborda las dimensiones de la liquidez del mercado utilizando opiniones de microblogs. Esta investigación reveló que los sentimientos de los inversores en entornos de pesimismo tenían más poder autoritario sobre las dimensiones de la liquidez, incluidos los costes de negociación, la inmediatez de la transacción, la dispersión de precios y el volumen de negociación. Finalmente, el tercer articulo de investigación explora el riesgo sistemático de sentimiento para la liquidez en relación con los datos de microblogs. Este estudio mostró que la liquidez del índice bancario estaba expuesta al riesgo sistemático de sentimiento y liquidez, pero la liquidez del índice de empresas no financieras solo estaba expuesta a un riesgo sistemático de liquidez. Los participantes del mercado impulsados por los sentimientos observados en la plataforma de microblogging pueden no solo influir en la liquidez del mercado, que varía en el tiempo y sus dimensiones, sino que también pueden exponerse al riesgo sistemático para la liquidez dentro de un mercado más amplio. Por lo tanto, se sugiere que la liquidez y sus aspectos relacionados se valoren frente a los problemas de selección adversa en el mercado. Además, la medición de la información entrante en la plataforma de microblogging puede ayudar mejor a los proveedores de liquidez en la construcción de carteras. / [CA] Aquesta tesi doctoral s'emmarca en l'àrea d'investigació del Departament d'Economia i Ciències Socials, i es centra en la perspectiva conductual de la liquiditat del mercat. La liquiditat que varia en el temps i els seus problemes relacionats són una de les preocupacions dominants en la literatura de microestructura del mercat. El paper crític de la liquiditat del mercat en l'execució de transaccions o la determinació del rendiment de la inversió genera inquietuds tant per a acadèmics com per a aquells que participen en el mercat. Per tant, és necessari desvetlar els problemes potencials que poden afectar la liquiditat del mercat financer. Aquesta tesi busca entendre la liquiditat del mercat i els seus problemes relacionats a la llum del comportament dels inversors. La perspectiva conductual de la liquiditat s'examina utilitzant informació orientada a opinions en microblogs. La creixent literatura de finances conductuals també inclou l'autenticitat de les dades de microblogs tant en la modelització com en la predicció de diverses preocupacions associades amb el funcionament eficient dels mercats financers. No obstant això, la recerca prèvia en l'àmbit de les finances conductuals podria haver passat per alt algunes implicacions potencials de la informació orientada a opinions en microblogs sobre la liquiditat del mercat a nivell de mercat i d'empresa. Per tant, la tesi pretén ser una aplicació empírica en aquesta àrea d'investigació. La tesi es duu a terme com a compendi d'articles cientifics, la memòria de la qual inclou diversos articles de recerca publicats en revistes indexades. El primer article proporciona informació sobre la relació entre el contingut de microblogs i el cost de facilitació de la liquiditat. Durant els períodes de negociació, aquest estudi va suggerir que l'estat d'ànim dels inversors tenia menys influència en afectar la liquiditat que varia en el temps i el seu cost de facilitació. No obstant això, la informació entrant en un dia donat era més influent per a les sessions de negociació següents. Els sentiments construïts sobre una base de dos dies estaven associats amb el cost de facilitació de la liquiditat. El segon article aborda les dimensions de la liquiditat del mercat utilitzant opinions de microblogs. Aquesta recerca va revelar que els sentiments dels inversors en entorns de pessimisme tenien més poder autoritari sobre les dimensions de la liquiditat, inclosos els costos de negociació, la immediatesa de la transacció, la dispersió de preus i el volum de negociació. Finalment, el tercer article de recerca explora el risc sistemàtic de sentiment per a la liquiditat en relació amb les dades de microblogs. Aquest estudi va mostrar que la liquiditat de l'índex bancari estava exposada al risc sistemàtic de sentiment i liquiditat, però la liquiditat de l'índex d'empreses no financeres només estava exposada a un risc sistemàtic de liquiditat. Els participants del mercat impulsats pels sentiments observats a la plataforma de microblogging poden no només influir en la liquiditat del mercat, que varia en el temps i les seves dimensions, sinó que també poden exposar-se al risc sistemàtic per a la liquiditat dins d'un mercat més ampli. Per tant, es suggereix que la liquiditat i els seus aspectes relacionats es valoren davant dels problemes de selecció adversa en el mercat. A més, la mesura de la informació entrant a la plataforma de microblogging pot ajudar millor els proveïdors de liquiditat en la construcció de carteres. / [EN] This doctoral dissertation falls in the research area of economic and social sciences department, and focuses on the behavioral perspective of market liquidity. The time-varying liquidity and its related issues are one of the dominant concerns in the market microstructure literature. The critical role of market liquidity in executing the transactions or determining the yield on investment is raising concerns for both academics and those who engage in the trading. There is thus need to unveil the potential issues, that may impact the financial market liquidity. This dissertation seeks to understand market liquidity and its related issues in the light of investors' behavior. The behavioral perspective of liquidity is examined using microblogging-opinionated information. The escalation of behavioral finance literature also comprises the authenticity of microblogging data in both modeling and predicting various concerns associated with the efficient functioning of financial markets. However, previous research in the behavioral finance domain might have ignored a few potential implications of microblogging-opinionated information on market liquidity at the market and firm levels. Therefore, the dissertation aims to be the first empirical attempt in this area of research. The thesis is carried out as a compendium of scientific papers, whose memory includes several research articles published in the indexed journals. The first article provides insights into relationship between microblogging content and liquidity-facilitating cost. During trading periods, this study suggested that investors' mood was less influential in affecting the time-varying liquidity and its providing cost. However, the incoming information on a given day was more influential for following trading sessions. The sentiments built on a two-day basis were associated with the liquidity-facilitating cost. The second article covers the dimensions of market liquidity using microblogging opinions. This research revealed that investor sentiments in environments of pessimism had more authoritative power on liquidity dimensions including the trading costs, transaction immediacy, price dispersion and trading volume. Finally, the third research paper explores the systematic sentiment risk for liquidity in relation to the microblogging data. This study depicted that the bank index liquidity was exposed to the systematic sentiment and liquidity risks, but non-financial firm index liquidity was only exposed to a systematic liquidity risk. The emotion-driven market participants on microblogging platform may not only influence the time-varying market liquidity and its dimensions, but they may also expose to the systematic risk for liquidity withing a broader market. Thus, liquidity and its related aspects are suggested to be priced against the adverse selection issues in the market. Additionally, the measurement of incoming information on microblogging platform may better assist the liquidity providers in the construction of portfolio. / Saleemi, J. (2024). Can Sentiments of Social Media Participants Reflect by Financial Market Liquidity [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/206814 / Compendio