Análisis de opinión sobre tuits del COVID-19 generados por usuarios ecuatorianos

• Torres A., John A. ^[1]
  1. [1] Carrera de Ingeniería en Sistemas/Computación, Universidad Nacional de Loja, Loja, Ecuador
• Localización: CEDAMAZ, ISSN-e 1390-5902, ISSN 1390-5880, Vol. 11, Nº. 1, 2021 (Ejemplar dedicado a: CEDAMAZ), págs. 70-77
• Idioma: español
• Títulos paralelos:
  • Opinion analysis of COVID-19 tweets generated by Ecuadorian users
• Enlaces
  • Texto completo
• Resumen
  • español

    Actualmente, se generan millones de datos por medio de la red social Twitter. El análisis de estos datos es fundamental e importante para examinar e investigar el conocimiento que se encuentra oculto entre estos. En este trabajo de investigación se realiza un análisis de opinión de tuits generados en Ecuador que tienen relación con el COVID-19 en el año 2020. Para ello, se utilizó la metodología Knowledge Discovery in Databases (KDD) para la gestión de los datos y para el descubrimiento de patrones ocultos en el conjunto de datos que tiene un total de 149.077 tuits. Se utilizaron varias herramientas para el Procesamiento del Lenguaje Natural, tales como: MeaningCloud, TextBlob, IBM Watson, Algoritmo Bayesiano (Creación Propia), Google Cloud Natural Language. Los clústeres generados presentaron la siguiente polaridad: 84.044 tuits positivos, 52.451 tuits negativos y 12.582 tuits neutros.

  • English

    Currently, millions of data are generated through the social network Twitter. The analysis of this data is fundamental and important to examine and investigate the knowledge that is hidden among them. In this research work, an opinion analysis of tweets generated in Ecuador related to COVID-19 in the year 2020 is carried out. For this purpose, the Knowledge Discovery in Databases (KDD) methodology was used for data management and for the discovery of hidden patterns in the dataset that has a total of 149,077 tweets. Several tools were used for Natural Language Processing, such as MeaningCloud, TextBlob, IBM Watson, Bayesian Algorithm (Own Creation), Google Cloud Natural Language. The generated clusters presented the following polarity: 84,044 positive tweets, 52,451 negative tweets and 12,582 neutral tweets.