Una red social es una estructura formada por un conjunto (o grupo de conjuntos) de entidades (ejm. personas, organizaciones, etc.) que presentan algún padrón de interacción social. El análisis de redes sociales (Social Network Analysis - SNA) se enfoca en descubrir esos padrones por medio del uso de la Teoria de Grafos (Graph Theory) y de la Ciencia de Redes (Network Science). En las últimas décadas, las redes sociales online (online social networks - OSNs) se han convertido en las plataformas web más usadas en el mundo por ofrecer a sus usuarios una diversidad de servicios. A su vez, esa explosión en el uso de OSNs ha permitido la diversificación de contenido (ejm. texto, imágenes, audio, video, etc.) y de las fuentes generadoras del mismo (ejm. noticieros, universidades, y diversos tipos de empresas). La necesidad por procesar y analizar dicho contenido asi como de entender el impacto que el mismo tiene en la vida de los usuarios, ha permitido también el rápido desarrollo de técnicas para minería y análisis de datos de los medios sociales.

En ese contexto, el evento Análisis y Minería de Redes y Medios Sociales (SNMAM, por sus siglas en inglés) se convierte en el espacio propicio para que investigadores y profesionales discutan diversos temas relacionados al análisis y minería de datos de redes y medios sociales. La 5ta edición del SNMAM será realizada como un track del SIMBig 2020 en Lima, Perú. La organización del SNMAM trabaja para que el evento sea de caracter interdisciplinario y pueda acoger a científicos de Computación, ingenieros de Computación, desarrolladores de software y a todos los profesionales que, en general, trabajen y/o apliquen métodos computacionales basados en redes y web.

De esa manera, SNMAM está abierto a acoger trabajos experimentales y teóricos que traten sobre el análisis y minería de redes sociales y medios sociales asi como sus aplicaciones en problemas del mundo real. Jovenes estudiantes e investigadores de universidades y/o centros de investigación asi como profesionales de diferentes industrias relacionadas al desarrollo de software, están cordialmente invitados a participar del SNMAM sea como asistentes del evento y/o al envio de sus trabajos de investigación.

Se consideran todos los temas relacionados al análisis y minería de redes y medios sociales dentro de SNMAM. Esos temas incluyen, entre otros:

• Crowdsourcing of social network and media data generation and collection
• Data preparation and data modeling for social networks and social medias
• Exploratory and visual data analysis of social network and media data
• Identification and discovery of dynamics and evolution patterns of social network and media data based on data mining and machine learning approachess
• Topological and spatio-temporal aspects in social networks and social media
• Large-scale graph, search and time series algorithms on social networks
• Social network analysis and mining tasks:
  • Anomaly and outlier detection
  • Community discovery
  • Link and node classification
  • Link and node prediction
  • Entity resolution
  • (Social) Graph construction
• Data mining applications on social network and media data:
  • Recommender systems
  • Opinion and suggestion mining
  • Sentiment analysis
  • Misbehavior detection
  • Activity prediction
  • Event detection
  • (Epidemic) Spreading
• Applications of social network and media in business, engineering, scientific, medical and public health domains, terrorism and/or criminology, fraud detection, politics, cyberbullying, and case studies
  • Special case study: social behavior analysis due to COVID-19
• Analysis and mining of location-based social networks, urban (social) networks, multilayer social networks and others
• Social media monitoring and analysis
• Ethics, privacy and security in online social networks and social media platforms
• Tools and infrastructures for social networking platforms and web communities
• New applications and services arising from big data, social network analysis and social media.

• Los artículos están limitados a un total de 14 (catorce) páginas, incluyendo todo el contenido y las respectivas referencias. Solamente se aceptan artículos escritos en Ingles.


• Los artículos submetidos deben estar en PDF y formateadas según el estilo de Publicaciones Springer. Para detalles sobre el estilo de Springer, vea aqui

Envie sus artículos para SNMAM Special Track 2020 aqui.

• Alexandre Donizeti Alves, Federal University of ABC, Brazil;
• Alonso Inostrosa-Psijas, Universidad Arturo Prat, Chile;
• Ankur Singh Bist, Signy Advanced Technology, India;
• Aurea Soriano Vargas, University of Campinas, Brazil;
• Brett Drury, LIAAD-INESC TEC, Portugal;
• Carlos Andrés Ferrero, Instituto Federal de Santa Catarina, Brazil;
• Conceição Rocha, INESC TEC, Portugal;
• Daniela Godoy, UNICEN University, Argentina;
• Diego Furtado Silva, Universidade Federal de São Carlos, Brazil;
• Francisco Rodrigues, University of São Paulo, Brazil;
• Geraldo Pereira Rocha Filho, University of Brasilia, Brazil;
• Hugo D. Calderon Vilca, National University of San Marcos, Peru;
• Jorge Poco, FGV EMAp, Brazil;
• Josimar Chire, University of São Paulo, Brazil;
• Luca Rossi, Queen Mary University of London, UK;
• Leandro Anghinoni, University of São Paulo, Brazil;
• Maria Lígia Chuerubim, Universidade Federal de Uberlândia, Brazil;
• Mathieu Roche, CIRAD, TETIS and University of Montpellier, France;
• Muhammad Nihal Hussain, University of Arkansas at Little Rock, USA;
• Murilo Naldi, Universidade Federal de São Carlos, Brazil;
• Katarzyna Musial-Gabrys, University of Technology Sydney, Australia;
• Kiran Kumar Bandeli, Walmart Inc, USA;
• Newton Spolaôr, Western Paraná State University, Brazil;
• Nils Murrugarra, Snap Inc, USA;
• Paola LLerena Valdivia, INRIA Saclay, France;
• Pascal Poncelet, University of Montpellier, France;
• Pedro Shiguihara Juárez, Pontifical Catholic University of Peru, Peru;
• Rafael Giusti, Federal University of Amazonas, Brazil;
• Rafael Delalibera Rodrigues, University of São Paulo, Brazil;
• Rafael Santos, National Institute for Space Research (INPE), Brazil;
• Renan de Padua, iFood, Brazil;
• Renato Fabbri, University of São Paulo, Brazil;
• Ricardo Campos, Polytechnic Institute of Tomar and LIAAD-INESC TEC, Portugal;
• Ronaldo Prati, Federal University of ABC, Brazil;
• Ryan Rossi, Adobe Research, USA;
• Sabrine Mallek, Université de Lorraine, France;
• Solange Oliveira Rezende, University of São Paulo, Brazil;
• Sultan Orazbayev, Center for International Development at Harvard Kennedy School, USA;
• Thiago de Paulo Faleiros, University of Brasilia, Brazil;
• Tiago Colliri, University of São Paulo, Brazil;
-->
• Victor Stroele, Federal University of Juiz de Fora, Brazil;
• Willy Ugarte, Universidad Peruana de Ciencias Aplicadas, Peru;
• Zhao Liang, University of São Paulo, Brazil.