Ett snabbt sätt att identifiera "n ^th " vänner till sociala medier-användare baserat på spatial datautvinning av profiler och beteende på en tjänst som Twitter beskrivs i International Journal of Advanced Intelligence Paradigms.

D. Gandhimathi från forsknings- och utvecklingscentret, Bharathiar University i Coimbatore och John Sanjeev Kumar från Thiagarajar College of Engineering i Madurai, Indien, förklara att Twitter spelar en viktig roll i avsiktlig social handling. Därför kan klusteranalys av användare baserad på gillande och intressen avslöja annars latenta kopplingar mellan användare och på så sätt göra det möjligt att upptäcka nya trender mer effektivt och göra förutsägelser om beteendet och de åtgärder användarna kan vidta. Sådana insikter kan vara av intresse för forskare, företag och deras marknadsavdelningar, ideella organisationer och välgörenhetsorganisationer, och kanske regering och brottsbekämpning i många olika sammanhang.

Teamets okonventionella kvantitativa analys hakar fast i den geografiska metadatan för varje användares Twitter-uppdateringar, geotaggen, där det är på plats och inte döljs av användaren för att ge ännu rikare val för dataminers. Teamet förklarar att deras huvudsakliga fokus låg på "rekommenderarsystem" som skulle engagera en användares "n ^th " vänner på ett positivt sätt genom att förstå innehållsbaserade eller popularitetsbaserade aspekter av beteende och sociala handlingar på Twitter. Teamet föreslår att deras tillvägagångssätt skulle kunna utvecklas till en användbar rekommendationsalgoritm. det är också ett användbart verktyg för att hitta gemenskaper och för att svara på frågor om storskalig klustring av användare.

Deras tester av tillvägagångssättet visar att det är relativt lågt i form av datorresurser som behövs och ger mer exakta resultat jämfört med andra tillvägagångssätt.