Análisis de los comentarios en español de usuarios de Facebook para la clasificación de publicaciones utilizando técnicas inteligentes
- 150 p. : il. col. + 1 CD-ROM
Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2018.
Introducción -- 1.1 Motivación -- 1.2 Objetivo -- 1.3 Contribuciones -- 1.4 Organización del documento -- Redes Sociales -- 2.1 ¿Qué son las redes sociales? -- 2.2 ¿Cuál es su función y qué utilidad pueden tener? -- 2.3 Ejemplos de redes sociales más utilizadas -- 2.4 Facebook -- Procesamiento del Lenguaje Natural -- 3.1 Introducción -- 3.2 Preprocesamiento de texto -- 3.2.1 Tokenización -- 3.2.2 Segmentación de oraciones -- 3.3 Análisis de texto -- 3.3.1 Análisis morfológico -- 3.3.2 Análisis sintáctico -- 3.3.3 Análisis semántico -- 3.3.4 Análisis pragmático -- 3.4 Otras técnicas -- 3.5 Aplicaciones y ejemplos -- Minería de Opinión -- 4.1 Introducción -- 4.1.1 Diferentes niveles de análisis -- 4.1.2 Campos relacionados con el análisis de sentimiento -- 4.2 Técnicas utilizadas para el Análisis de Sentimientos -- 4.2.1 Enfoque de aprendizaje automático -- 4.2.2 Enfoque basado en léxico -- 4.2.3 Herramientas actuales -- 4.3 Performance -- 4.3.1 Validación cruzada de K iteraciones -- 4.3.2 Matriz de confusión -- 4.3.3 Certeza -- 4.3.4 Precisión -- 4.3.5 Exhaustividad -- 4.3.6 Especificidad -- 4.3.7 Valor-F -- Desarrollo propuesto -- 5.1 Introducción -- 5.2 Servicio utilizado -- 5.2.1 ¿Que es una API? -- 5.2.2 API Graph - Facebook -- 5.2.3 Tokens de acceso -- 5.2.4 Datos disponibles desde la API -- 5.2.5 Datos recolectados -- 5.3 Arquitectura de la aplicación -- 5.3.1 Capa de datos -- 5.3.2 Capa de lógica de negocio -- 5.3.3 Presentación -- 5.4 Descripción y funcionamiento -- 5.5 Estudio de técnicas para el Análisis de Sentimientos -- Estudio realizado -- 6.1 Caso de estudio -- 6.2 Etapa de entrenamiento -- 6.3 Evaluación de técnicas -- 6.4 Comparación de métricas para las técnicas -- 6.4.1 Lexicon -- 6.4.2 Naïve Bayes -- 6.4.3 Máxima Entropía -- 6.4.4 Máquinas de Vectores de Soporte -- 6.4.5 Conclusión final -- Conclusiones y trabajos futuros -- 7.1 Repaso -- 7.2 Conclusiones y trabajos futuros -- Bibliografía
DIF007016
PROCESAMIENTO DEL LENGUAJE NATURAL MINERÍA DE DATOS APRENDIZAJE AUTOMÁTICO
minería de opinión análisis de sentimiento enfoque de aprendizaje automático enfoque basado en léxico máxima entropía Naïve Bayes máquina de vectores de soporte machine learning