Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "A Garcia-Robledo, A Espejel-Trujillo", 
2
  "author": "A Garcia-Robledo, A Espejel-Trujillo", 
            
3
  "author_email": null, 
3
  "author_email": null, 
            
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
5
  "extras": [
5
  "extras": [
            
6
    {
6
    {
            
7
      "key": "Publicaci\u00f3n", 
7
      "key": "Publicaci\u00f3n", 
            
8
      "value": "Revista"
8
      "value": "Revista"
            
9
    }, 
9
    }, 
            
10
    {
10
    {
            
11
      "key": "Tipo", 
11
      "key": "Tipo", 
            
12
      "value": "Publicaci\u00f3n"
12
      "value": "Publicaci\u00f3n"
            
13
    }
13
    }
            
14
  ], 
14
  ], 
            
15
  "groups": [
15
  "groups": [
            
16
    {
16
    {
            
17
      "description": "Este grupo integra las publicaciones 
17
      "description": "Este grupo integra las publicaciones 
            
18
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
18
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
            
19
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
19
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
            
20
presentados en congresos nacionales e internacionales, manuscritos en 
20
presentados en congresos nacionales e internacionales, manuscritos en 
            
21
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
21
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
            
22
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
22
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
            
23
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
23
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
            
24
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
24
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
            
25
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
25
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
            
26
      "display_name": "Publicaciones", 
26
      "display_name": "Publicaciones", 
            
27
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
27
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
            
28
      "image_display_url": "", 
28
      "image_display_url": "", 
            
29
      "name": "publicaciones", 
29
      "name": "publicaciones", 
            
30
      "title": "Publicaciones"
30
      "title": "Publicaciones"
            
31
    }
31
    }
            
32
  ], 
32
  ], 
            
33
  "id": "b3a9f0bd-728b-4ee5-8a79-24c1069b2785", 
33
  "id": "b3a9f0bd-728b-4ee5-8a79-24c1069b2785", 
            
34
  "isopen": false, 
34
  "isopen": false, 
            
35
  "license_id": null, 
35
  "license_id": null, 
            
36
  "license_title": null, 
36
  "license_title": null, 
            
37
  "maintainer": null, 
37
  "maintainer": null, 
            
38
  "maintainer_email": null, 
38
  "maintainer_email": null, 
            
39
  "metadata_created": "2025-10-10T07:19:37.595707", 
39
  "metadata_created": "2025-10-10T07:19:37.595707", 
            
n
40
  "metadata_modified": "2025-10-10T07:19:37.595714", 
n
40
  "metadata_modified": "2025-10-10T07:19:38.110278", 
            
41
  "name": 
41
  "name": 
            
42
ing-library-for-exploratory-data-analysis-on-large-soci-f5be08e69cac", 
42
ing-library-for-exploratory-data-analysis-on-large-soci-f5be08e69cac", 
            
43
  "notes": "At least 350k posts are published on X, 510k comments are 
43
  "notes": "At least 350k posts are published on X, 510k comments are 
            
44
posted on Facebook, and 66k pictures and videos are shared on 
44
posted on Facebook, and 66k pictures and videos are shared on 
            
45
Instagram each minute. These large datasets require substantial 
45
Instagram each minute. These large datasets require substantial 
            
46
processing power, even if only a percentage is collected for analysis 
46
processing power, even if only a percentage is collected for analysis 
            
47
and research. To face this challenge, data scientists can now use 
47
and research. To face this challenge, data scientists can now use 
            
48
computer clusters deployed on various IaaS and PaaS services in the 
48
computer clusters deployed on various IaaS and PaaS services in the 
            
49
cloud. However, scientists still have to master the design of 
49
cloud. However, scientists still have to master the design of 
            
50
distributed algorithms and be familiar with using distributed 
50
distributed algorithms and be familiar with using distributed 
            
51
computing programming frameworks. It is thus essential to generate 
51
computing programming frameworks. It is thus essential to generate 
            
52
tools that provide analysis methods to leverage the advantages of 
52
tools that provide analysis methods to leverage the advantages of 
            
53
computer clusters for processing large amounts of social network text. 
53
computer clusters for processing large amounts of social network text. 
            
54
This paper presents Whistlerlib, a new Python library for conducting 
54
This paper presents Whistlerlib, a new Python library for conducting 
            
55
exploratory analysis on large text datasets on social networks. 
55
exploratory analysis on large text datasets on social networks. 
            
56
Whistlerlib implements distributed versions of various social media, 
56
Whistlerlib implements distributed versions of various social media, 
            
57
sentiment, and social network analysis methods that can run atop 
57
sentiment, and social network analysis methods that can run atop 
            
58
computer clusters. We experimentally demonstrate the scalability of 
58
computer clusters. We experimentally demonstrate the scalability of 
            
59
the various Whistlerlib distributed methods when deployed on a public 
59
the various Whistlerlib distributed methods when deployed on a public 
            
60
cloud platform. We also present a practical example of the analysis of 
60
cloud platform. We also present a practical example of the analysis of 
            
61
posts on the social network X about the Mexico City subway to showcase 
61
posts on the social network X about the Mexico City subway to showcase 
            
62
the features of Whistlerlib in scenarios where social network analysis 
62
the features of Whistlerlib in scenarios where social network analysis 
            
63
tools are needed to address issues with a social dimension.", 
63
tools are needed to address issues with a social dimension.", 
            
n
64
  "num_resources": 0, 
n
64
  "num_resources": 1, 
            
65
  "num_tags": 9, 
65
  "num_tags": 9, 
            
66
  "organization": {
66
  "organization": {
            
67
    "approval_status": "approved", 
67
    "approval_status": "approved", 
            
68
    "created": "2022-05-19T00:10:30.480393", 
68
    "created": "2022-05-19T00:10:30.480393", 
            
69
    "description": "Observatorio Metropolitano CentroGeo", 
69
    "description": "Observatorio Metropolitano CentroGeo", 
            
70
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
70
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
71
    "image_url": 
71
    "image_url": 
            
72
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
72
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
73
    "is_organization": true, 
73
    "is_organization": true, 
            
74
    "name": "observatorio-metropolitano-centrogeo", 
74
    "name": "observatorio-metropolitano-centrogeo", 
            
75
    "state": "active", 
75
    "state": "active", 
            
76
    "title": "Observatorio Metropolitano CentroGeo", 
76
    "title": "Observatorio Metropolitano CentroGeo", 
            
77
    "type": "organization"
77
    "type": "organization"
            
78
  }, 
78
  }, 
            
79
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
79
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
80
  "private": false, 
80
  "private": false, 
            
81
  "relationships_as_object": [], 
81
  "relationships_as_object": [], 
            
82
  "relationships_as_subject": [], 
82
  "relationships_as_subject": [], 
            
t
83
  "resources": [], 
t
83
  "resources": [
            
84
    {
            
85
      "cache_last_updated": null, 
            
86
      "cache_url": null, 
            
87
      "created": "2025-10-10T07:19:38.138694", 
            
88
      "datastore_active": false, 
            
89
      "description": "At least 350k posts are published on X, 510k 
            
90
comments are posted on Facebook, and 66k pictures and videos are 
            
91
shared on Instagram each minute. These large datasets require 
            
92
substantial processing power, even if only a percentage is collected 
            
93
for analysis and research. To face this challenge, data scientists can 
            
94
now use computer clusters deployed on various IaaS and PaaS services 
            
95
in the cloud. However, scientists still have to master the design of 
            
96
distributed algorithms and be familiar with using distributed 
            
97
computing programming frameworks. It is thus essential to generate 
            
98
tools that provide analysis methods to leverage the advantages of 
            
99
computer clusters for processing large amounts of social network text. 
            
100
This paper presents Whistlerlib, a new Python library for conducting 
            
101
exploratory analysis on large text datasets on social networks. 
            
102
Whistlerlib implements distributed versions of various social media, 
            
103
sentiment, and social network analysis methods that can run atop 
            
104
computer clusters. We experimentally demonstrate the scalability of 
            
105
the various Whistlerlib distributed methods when deployed on a public 
            
106
cloud platform. We also present a practical example of the analysis of 
            
107
posts on the social network X about the Mexico City subway to showcase 
            
108
the features of Whistlerlib in scenarios where social network analysis 
            
109
tools are needed to address issues with a social dimension.", 
            
110
      "format": "HTML", 
            
111
      "hash": "", 
            
112
      "id": "298aa89e-8339-4dd5-95e7-5122f47ae39c", 
            
113
      "last_modified": null, 
            
114
      "metadata_modified": "2025-10-10T07:19:38.115157", 
            
115
      "mimetype": null, 
            
116
      "mimetype_inner": null, 
            
117
      "name": "Whistlerlib: a distributed computing library for 
            
118
exploratory data analysis on large social network datasets", 
            
119
      "package_id": "b3a9f0bd-728b-4ee5-8a79-24c1069b2785", 
            
120
      "position": 0, 
            
121
      "resource_type": null, 
            
122
      "size": null, 
            
123
      "state": "active", 
            
124
      "url": "https://doi.org/10.1007/s11042-024-19827-z", 
            
125
      "url_type": null
            
126
    }
            
127
  ], 
            
84
  "state": "active", 
128
  "state": "active", 
            
85
  "tags": [
129
  "tags": [
            
86
    {
130
    {
            
87
      "display_name": "computer-science", 
131
      "display_name": "computer-science", 
            
88
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
132
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
89
      "name": "computer-science", 
133
      "name": "computer-science", 
            
90
      "state": "active", 
134
      "state": "active", 
            
91
      "vocabulary_id": null
135
      "vocabulary_id": null
            
92
    }, 
136
    }, 
            
93
    {
137
    {
            
94
      "display_name": "data-mining", 
138
      "display_name": "data-mining", 
            
95
      "id": "bc92b940-6ae7-4005-9885-39c0bf8e2aa7", 
139
      "id": "bc92b940-6ae7-4005-9885-39c0bf8e2aa7", 
            
96
      "name": "data-mining", 
140
      "name": "data-mining", 
            
97
      "state": "active", 
141
      "state": "active", 
            
98
      "vocabulary_id": null
142
      "vocabulary_id": null
            
99
    }, 
143
    }, 
            
100
    {
144
    {
            
101
      "display_name": "data-science", 
145
      "display_name": "data-science", 
            
102
      "id": "468c4e82-ef0a-4119-b7cb-a3882df895bf", 
146
      "id": "468c4e82-ef0a-4119-b7cb-a3882df895bf", 
            
103
      "name": "data-science", 
147
      "name": "data-science", 
            
104
      "state": "active", 
148
      "state": "active", 
            
105
      "vocabulary_id": null
149
      "vocabulary_id": null
            
106
    }, 
150
    }, 
            
107
    {
151
    {
            
108
      "display_name": "exploratory-analysis", 
152
      "display_name": "exploratory-analysis", 
            
109
      "id": "5888ef9a-51e0-4ab2-b88c-6bf06a428de0", 
153
      "id": "5888ef9a-51e0-4ab2-b88c-6bf06a428de0", 
            
110
      "name": "exploratory-analysis", 
154
      "name": "exploratory-analysis", 
            
111
      "state": "active", 
155
      "state": "active", 
            
112
      "vocabulary_id": null
156
      "vocabulary_id": null
            
113
    }, 
157
    }, 
            
114
    {
158
    {
            
115
      "display_name": "exploratory-data-analysis", 
159
      "display_name": "exploratory-data-analysis", 
            
116
      "id": "65dfe5fc-3c1b-49fc-949f-8bd5521c8061", 
160
      "id": "65dfe5fc-3c1b-49fc-949f-8bd5521c8061", 
            
117
      "name": "exploratory-data-analysis", 
161
      "name": "exploratory-data-analysis", 
            
118
      "state": "active", 
162
      "state": "active", 
            
119
      "vocabulary_id": null
163
      "vocabulary_id": null
            
120
    }, 
164
    }, 
            
121
    {
165
    {
            
122
      "display_name": "information-retrieval", 
166
      "display_name": "information-retrieval", 
            
123
      "id": "7c59b49e-d59b-48d5-9338-bece653ad9bc", 
167
      "id": "7c59b49e-d59b-48d5-9338-bece653ad9bc", 
            
124
      "name": "information-retrieval", 
168
      "name": "information-retrieval", 
            
125
      "state": "active", 
169
      "state": "active", 
            
126
      "vocabulary_id": null
170
      "vocabulary_id": null
            
127
    }, 
171
    }, 
            
128
    {
172
    {
            
129
      "display_name": "social-network-analysis", 
173
      "display_name": "social-network-analysis", 
            
130
      "id": "3c409d4b-6f3f-47e6-83a3-b4703c5421a7", 
174
      "id": "3c409d4b-6f3f-47e6-83a3-b4703c5421a7", 
            
131
      "name": "social-network-analysis", 
175
      "name": "social-network-analysis", 
            
132
      "state": "active", 
176
      "state": "active", 
            
133
      "vocabulary_id": null
177
      "vocabulary_id": null
            
134
    }, 
178
    }, 
            
135
    {
179
    {
            
136
      "display_name": "social-network-sociolinguistics", 
180
      "display_name": "social-network-sociolinguistics", 
            
137
      "id": "61ad3187-6c76-4938-a68d-67394dea4779", 
181
      "id": "61ad3187-6c76-4938-a68d-67394dea4779", 
            
138
      "name": "social-network-sociolinguistics", 
182
      "name": "social-network-sociolinguistics", 
            
139
      "state": "active", 
183
      "state": "active", 
            
140
      "vocabulary_id": null
184
      "vocabulary_id": null
            
141
    }, 
185
    }, 
            
142
    {
186
    {
            
143
      "display_name": "world-wide-web", 
187
      "display_name": "world-wide-web", 
            
144
      "id": "f1c3da43-fac0-460a-818b-eea11705e7ff", 
188
      "id": "f1c3da43-fac0-460a-818b-eea11705e7ff", 
            
145
      "name": "world-wide-web", 
189
      "name": "world-wide-web", 
            
146
      "state": "active", 
190
      "state": "active", 
            
147
      "vocabulary_id": null
191
      "vocabulary_id": null
            
148
    }
192
    }
            
149
  ], 
193
  ], 
            
150
  "title": "Whistlerlib: a distributed computing library for 
194
  "title": "Whistlerlib: a distributed computing library for 
            
151
exploratory data analysis on large social network datasets", 
195
exploratory data analysis on large social network datasets", 
            
152
  "type": "dataset", 
196
  "type": "dataset", 
            
153
  "url": "https://doi.org/10.1007/s11042-024-19827-z", 
197
  "url": "https://doi.org/10.1007/s11042-024-19827-z", 
            
154
  "version": null
198
  "version": null
            
155
}
199
}