Las plataformas de redes sociales ofrecen a su audiencia la posibilidad de responder a las publicaciones a través de comentarios y reacciones. Esto permite a los usuarios de redes sociales expresar sus ideas y opiniones sobre el contenido compartido, abriendo así discusiones virtuales. La mayoría de los estudios en redes sociales se han centrado solo en las relaciones entre usuarios o en el contenido compartido, ignorando la valiosa información oculta en las conversaciones digitales, en términos de la estructura de la discusión y la relación entre contenidos, lo cual es esencial para comprender el comportamiento de la comunicación en línea. Este trabajo propone un marco basado en grafos para evaluar la forma y estructura de las conversaciones en línea. El análisis se compuso de dos etapas principales: análisis de intención y generación de redes. La intención de los usuarios se detectó utilizando clasificación basada en palabras clave, seguido por la implementación de algoritmos de clasificación basados en aprendizaje automático para comentarios no categorizados. Posteriormente, se involucró a humanos en el proceso para mejorar la clasificación basada en palabras clave. Para extraer información esencial sobre los patrones de comunicación en redes sociales entre los usuarios, construimos grafos de conversación utilizando una red de multigrafo dirigido y mostramos nuestro modelo en funcionamiento en dos experimentos de la vida real. El primer experimento utilizó datos de un desafío real en redes sociales y fue capaz de categorizar el 90% de los comentarios con un 98% de precisión. El segundo experimento se centró en foros en línea e investigó la postura y el sentimiento para comprender cómo los comentarios son afectados por la discusión principal. Finalmente, se extrajeron e interpretaron los patrones de discusión en línea más populares. Observamos que la dinámica obtenida de los grafos de conversación es similar a las actividades de comunicación tradicionales.