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
- Estado
- versión publicada
- Colaborador/a o director/a de tesis
- Domínguez, Martín Ariel
Nederhand, Rene - Descripción
- 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 ). - Materia
-
Computación aplicada
Metodologías de computación
Applied computing
Computing Methodologies
Análisis de redes sociales
Aprendizaje automático
Modelo automático - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/5517
Ver los metadatos del registro completo
id |
RDUUNC_e5b7b5f57736fae210b12f1e4797a912 |
---|---|
oai_identifier_str |
oai:rdu.unc.edu.ar:11086/5517 |
network_acronym_str |
RDUUNC |
repository_id_str |
2572 |
network_name_str |
Repositorio Digital Universitario (UNC) |
spelling |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje naturalCelayes, Pablo GabrielComputación aplicadaMetodologías de computaciónApplied computingComputing MethodologiesAnálisis de redes socialesAprendizaje automáticoModelo automáticoTesis (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 ).Domínguez, Martín ArielNederhand, Rene2017-07-19info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://hdl.handle.net/11086/5517spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:33:07Zoai:rdu.unc.edu.ar:11086/5517Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:33:07.307Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
dc.title.none.fl_str_mv |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
spellingShingle |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural Celayes, Pablo Gabriel Computación aplicada Metodologías de computación Applied computing Computing Methodologies Análisis de redes sociales Aprendizaje automático Modelo automático |
title_short |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_full |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_fullStr |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_full_unstemmed |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_sort |
Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
dc.creator.none.fl_str_mv |
Celayes, Pablo Gabriel |
author |
Celayes, Pablo Gabriel |
author_facet |
Celayes, Pablo Gabriel |
author_role |
author |
dc.contributor.none.fl_str_mv |
Domínguez, Martín Ariel Nederhand, Rene |
dc.subject.none.fl_str_mv |
Computación aplicada Metodologías de computación Applied computing Computing Methodologies Análisis de redes sociales Aprendizaje automático Modelo automático |
topic |
Computación aplicada Metodologías de computación Applied computing Computing Methodologies Análisis de redes sociales Aprendizaje automático Modelo automático |
dc.description.none.fl_txt_mv |
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 ). |
description |
Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-07-19 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11086/5517 |
url |
http://hdl.handle.net/11086/5517 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
reponame_str |
Repositorio Digital Universitario (UNC) |
collection |
Repositorio Digital Universitario (UNC) |
instname_str |
Universidad Nacional de Córdoba |
instacron_str |
UNC |
institution |
UNC |
repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
repository.mail.fl_str_mv |
oca.unc@gmail.com |
_version_ |
1842349655423188992 |
score |
13.13397 |