Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural

• Autores: Celayes, Pablo Gabriel
• Año de publicación: 2017
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Domínguez, Martín Ariel; Nederhand, Rene
• Materia: Computación aplicada; Metodologías de computación; Applied computing; Computing Methodologies; Análisis de redes sociales; Aprendizaje automático; Modelo automático
• Institución: Universidad Nacional de Córdoba

Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017.
El presente trabajo se origina en el estudio de técnicas de Análisis de Redes Sociales para mejorar la calidad de un recomendador de contenido para entornos corporativos. Estudiamos el problema de recomendación de contenido basada en preferencias del entorno social de un usuario. Construimos un conjunto de datos de muestra extraído de la red social Twitter y a partir de estos datos entrenamos y evaluamos modelos de clasificación binaria SVM ( Support Vector Machines ) que predicen retweets de un usuario en base a los de su entorno. Se obtiene una calidad media de predicción F1 superior al 84 %, sin analizar el contenido de los tweets. En los casos en que la predicción social pura no es tan buena, se estudian modelos aumentados con características extraídas del contenido, usando el modelo temático probabilístico LDA ( Latent Dirichlet Allocation ).