RT Generic
T1 Valoración de sentimiento en los social media mediante un sistema basado en aprendizaje automático
T2 Rating sentiment in social media using a machine learning-based system
A1 Fuster Caro, Pablo
K1 Redes sociales en Internet
K1 Aprendizaje automático (Inteligencia artificial)
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería Informática - Trabajos Fin de Grado
AB La expansión de la web 2.0 en los últimos años ha provocado uncrecimiento exponencial de la información disponible en internet. Estefenómeno ha originado interés por el análisis de sentimientos, unatarea del procesamiento del lenguaje natural que identifica opinionesrelacionadas con diferentes temáticas. Existen diferentes redessociales donde los públicos expresan sus opiniones en tiempo real. Deestas redes, Twitter y Facebook son las más destacadas, de maneraque diariamente millones de personas interactúan entre sí,expresando mediante textos sus opiniones acerca de diferentestemas. Esto ha hecho que dichas redes se hayan convertido en focosde información que permiten conocer en tiempo real las opinionesque los usuarios expresan sobre una gran variedad de temáticas.Conocer el sentimientos que los públicos tienen acerca de algo, esmuy importante tanto para empresas privadas como públicas, ya quepermite conocer qué sienten los públicos respecto de sus productos,actuaciones, etc. Pero esto no es tarea sencilla, ya que hay queextraer, analizar y clasificar dicha información, haciendo uso demétodos que permitan determinar la positividad o negatividad dedichas opiniones. Todo este proceso es lo que se denomina análisis desentimiento, el cual es el encargado de determinar la positividad onegatividad de la opinión expresada. Para ello, existen diferentesmétodos basados, por ejemplo, en técnicas estadísticas como elclasificador Naïve Bayes, métodos basados en diccionarios, o métodosbasados máquinas de vectores soporte (SVM). En este trabajo sepropone un modelo de análisis de sentimiento basado en aprendizajeautomático por medio de la técnica del clasificador Naïve Bayes ytomando como conjunto de datos de entrada al sistema textos deTwitter y Facebook del sector bancario.
YR 2017
FD 2017-01-24
LK http://hdl.handle.net/10630/12764
UL http://hdl.handle.net/10630/12764
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 19 ene 2026