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
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/5517

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