Aceleración basada en TBB de una aplicación de Análisis de Sentimientos en Twitter

Abstract

El análisis de sentimientos es una técnica que permite extraer la polaridad(i.e.positividad,negatividad o neutralidad)de un texto.Esto unido al incremento del uso de las redes sociales hace que se auna técnica ideal para monitorizarlas y conseguir una visión general de lo que el público opina.Sin embargo,esta tarea es computacionalmente muy costosa,ya que para aumentar la precisión de estos estudios se necesitan grandes cantidades de datos.Una de las soluciones a este problema es emplear técnicas de paralelización,debido a que por lo general cada uno de estos ítems se procesa de forma independiente,por lo que estas técnicas se puede aplicar sin problemas. Por lo tanto,en este proyecto, nos centramos en el estudio de una aplicación de análisis de sentimientos implementada con la librería Dispel4py(basadaenPython),que se optimizará aplicando técnicas de paralelización. Específicamente usaremos la librería Intel Threading Building Blocks de C++ para acelerar una de las etapas computacionalmente más costosa de dicha aplicación. Así mismo se contribuirá a mejorar la precisión en el análisis de la aplicación original aplicando técnicas de machine learning que se han propuesto en la literatura científica relacionada con el análisis de sentimientos.