Desarrollo de un análisis de sentimientos sobre las tendencias de la red social twitter utilizando técnicas de analítica de datos

• Autores: Adith Perez Orozco, Alvaro Oñate, Jaime Ospino Navarro, Jose Molina Santiago
• Localización: Serie Científica de la Universidad de las Ciencias Informáticas, ISSN-e 2306-2495, Vol. 15, Nº. 6, 2022 (Ejemplar dedicado a: junio), págs. 149-168
• Idioma: español
• Títulos paralelos:
  • Development of an analysis of feelings about twitter social network trends using data analytical techniques
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Surge la necesidad de implementar técnicas de minería de opinión, para poder identificar el sentimiento con respecto a un tema específico. Muchas personas están desinformadas respecto a temas actuales, por tal razón se crea una herramienta capaz de medir y clasificar opiniones de los usuarios, acerca de un tema controversial. Como solución a dicha necesidad surge la idea de crear y experimentar distintos modelos descriptivos y predictivos, optando por encontrar el modelo analítico óptimo para desarrollar el proyecto. El seguimiento se enmarca en la metodología CRISP-DM, cumpliendo cada una de las fases y las actividades que la metodología provee, cada paso desarrollado de manera dinámica, se regresó a la fase anterior cuando se requirió. El resultado final pudo demostrar que los modelos implementados cumplieron con los requisitos de la evaluación y los resultados fueron óptimos ante las diferentes técnicas implementadas, el estudio de la información descargada fue clave para lograr una implementación limpia y con un margen de error estándar.

  • English

    The need arises to implement opinion mining techniques, in order to identify the sentiment regarding a specific topic. Many people are uninformed regarding current issues, for this reason a tool is created capable of measuring and classifying the different opinions of users, about a controversial issue that occurs in the country. As a solution to this need, the idea arises of creating and experimenting with different descriptive and predictive models, choosing to find the most optimal analytical model to develop the project. The monitoring of this project is part of the CRISP-DM methodology, fulfilling each of the phases and activities that the methodology provides, each step was developed dynamically, that is, it was returned to the previous phase when required. Ultimately, the final result of the project was able to demonstrate that the implemented models met the evaluation requirements and the results were optimal given the different techniques implemented, the study of the information downloaded was key to achieve a clean implementation and with a margin of standard error.