Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/handle/123456789/38484
Title: Diseño e implementación de un modelo de aprendizaje automático que ayude a extraer frases de apoyo para etiquetas de opinión provenientes de tweets.
Authors: Ruiz Vivanco Omar Alexander
Díaz Armijos, Luis Fernando
Ruiz Vivanco, Omar Alexander
Keywords: Ecuador.
Tesis digital.
Issue Date: 2023
Citation: Díaz Armijos, L. F. Ruiz Vivanco, O. A. (2023) Diseño e implementación de un modelo de aprendizaje automático que ayude a extraer frases de apoyo para etiquetas de opinión provenientes de tweets. [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/38484
Abstract: Abstract: Due to the amount of information circulating on the Twitter social network, it is difficult to know the sentiment behind a tweet. Artificial neural network models can analyze the information available from tweets and help capture sentiment of a specific tweet that may, for example, affect the brand of a company or devastate earnings because it gives a negative tone. In this work, it is proposed application of a neural network model to predict the polarity of a tweet in function of the phrases extracted from the text of the tweet. The TensorFlow framework is used to build and evaluate the neural network model using a data set tagged from Kaggle's competitor. The quality of the data set is validated through an analysis carried out by a Psychology professional. The results show that the Sequential Recurrent Neural Networks algorithm presents a better performance, achieving 87% accuracy. The performance and performance of the algorithm is visualized through a web application.
Description: Resumen: Debido a la cantidad de información que circula en la red social de Twitter, resulta difícil saber el sentimiento detrás de un tweet. Los modelos de redes neuronales artificiales pueden analizar la información disponible de los tweets y ayudar a capturar el sentimiento de un tweet en específico que pueda por ejemplo afectar a la marca de una empresa o devastar las ganancias porque da un tono negativo. En este trabajo, se propone la aplicación de un modelo de redes neuronales para predecir la polaridad de un tweet en función de las frases extraídas del texto del tweet. Se utiliza el framework de TensorFlow para construir y evaluar el modelo de redes neuronales usando un conjunto de datos etiquetados proveniente de la competencia de Kaggle. La calidad del conjunto de datos se valida a través un análisis realizado por un profesional de Psicología. Los resultados muestran que el algoritmo de Redes Neuronales Recurrente Secuencial presenta un mejor desempeño, logrando un 87% de precisión. El rendimiento y desempeño del algoritmo se visualiza mediante un aplicativo web.
URI: https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=135642.TITN.
Appears in Collections:Titulación de Sistemas Informáticos y Computación



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.