Análisis de sentimientos en Twitter: el bueno, el malo y el >:(

Autores
Becerra, Martín
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Analizando los grandes volúmenes de datos generados en redes sociales sobre la opinión pública acerca de diferentes temáticas puede resultar en valiosos descubrimientos. Estas actividades son costosas de realizar manualmente, requieren de muchos recursos humanos y tiempo. Los sistemas de análisis de sentimientos y algoritmos de minería de datos han resultado ser de gran utilidad para poder obtener una percepción general de los temas de interés y la opinión sobre los mismos. En este trabajo proponemos analizar un conjunto de datos usando un clasificador de sentimientos para etiquetar publicaciones realizadas por usuarios de redes sociales en conjunto con algoritmos de clustering para poder detectar cuales son las temáticas sobre las cuales se expresan opiniones. Proponemos utilizar una base de 2000 reseñas de películas etiquetadas como positivas y negativas para luego entrenar un clasificador SVM de sentimientos. Luego utilizamos Twitter para recolectar y clasificar los sentimiento de 122 mil publicaciones relacionadas a un acontecimiento televisivo de gran convocatoria. También utilizamos el algoritmo de clustering K-Means para obtener un vistazo general sobre los temas y un aproximación del sentimiento asociado a estos. Finalmente, a través de una visualización interactiva, vemos los resultados de este procesamiento.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
clasificador de sentimientos
redes sociales
clustering K-Means
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/65440
Acceder
id SEDICI_79b14f025140ba95a0a6efee63ec06b1
oai_identifier_str oai:sedici.unlp.edu.ar:10915/65440
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis de sentimientos en Twitter: el bueno, el malo y el >:(Becerra, MartínCiencias Informáticasclasificador de sentimientosredes socialesclustering K-MeansAnalizando los grandes volúmenes de datos generados en redes sociales sobre la opinión pública acerca de diferentes temáticas puede resultar en valiosos descubrimientos. Estas actividades son costosas de realizar manualmente, requieren de muchos recursos humanos y tiempo. Los sistemas de análisis de sentimientos y algoritmos de minería de datos han resultado ser de gran utilidad para poder obtener una percepción general de los temas de interés y la opinión sobre los mismos. En este trabajo proponemos analizar un conjunto de datos usando un clasificador de sentimientos para etiquetar publicaciones realizadas por usuarios de redes sociales en conjunto con algoritmos de clustering para poder detectar cuales son las temáticas sobre las cuales se expresan opiniones. Proponemos utilizar una base de 2000 reseñas de películas etiquetadas como positivas y negativas para luego entrenar un clasificador SVM de sentimientos. Luego utilizamos Twitter para recolectar y clasificar los sentimiento de 122 mil publicaciones relacionadas a un acontecimiento televisivo de gran convocatoria. También utilizamos el algoritmo de clustering K-Means para obtener un vistazo general sobre los temas y un aproximación del sentimiento asociado a estos. Finalmente, a través de una visualización interactiva, vemos los resultados de este procesamiento.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2017-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf184-209http://sedici.unlp.edu.ar/handle/10915/65440spainfo:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/EST/est-14.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7615info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/4.0/Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:50:31Zoai:sedici.unlp.edu.ar:10915/65440Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:50:31.4SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
title Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
spellingShingle Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
Becerra, Martín
Ciencias Informáticas
clasificador de sentimientos
redes sociales
clustering K-Means
title_short Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
title_full Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
title_fullStr Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
title_full_unstemmed Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
title_sort Análisis de sentimientos en Twitter: el bueno, el malo y el >:(
dc.creator.none.fl_str_mv Becerra, Martín
author Becerra, Martín
author_facet Becerra, Martín
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
clasificador de sentimientos
redes sociales
clustering K-Means
topic Ciencias Informáticas
clasificador de sentimientos
redes sociales
clustering K-Means
dc.description.none.fl_txt_mv Analizando los grandes volúmenes de datos generados en redes sociales sobre la opinión pública acerca de diferentes temáticas puede resultar en valiosos descubrimientos. Estas actividades son costosas de realizar manualmente, requieren de muchos recursos humanos y tiempo. Los sistemas de análisis de sentimientos y algoritmos de minería de datos han resultado ser de gran utilidad para poder obtener una percepción general de los temas de interés y la opinión sobre los mismos. En este trabajo proponemos analizar un conjunto de datos usando un clasificador de sentimientos para etiquetar publicaciones realizadas por usuarios de redes sociales en conjunto con algoritmos de clustering para poder detectar cuales son las temáticas sobre las cuales se expresan opiniones. Proponemos utilizar una base de 2000 reseñas de películas etiquetadas como positivas y negativas para luego entrenar un clasificador SVM de sentimientos. Luego utilizamos Twitter para recolectar y clasificar los sentimiento de 122 mil publicaciones relacionadas a un acontecimiento televisivo de gran convocatoria. También utilizamos el algoritmo de clustering K-Means para obtener un vistazo general sobre los temas y un aproximación del sentimiento asociado a estos. Finalmente, a través de una visualización interactiva, vemos los resultados de este procesamiento.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description Analizando los grandes volúmenes de datos generados en redes sociales sobre la opinión pública acerca de diferentes temáticas puede resultar en valiosos descubrimientos. Estas actividades son costosas de realizar manualmente, requieren de muchos recursos humanos y tiempo. Los sistemas de análisis de sentimientos y algoritmos de minería de datos han resultado ser de gran utilidad para poder obtener una percepción general de los temas de interés y la opinión sobre los mismos. En este trabajo proponemos analizar un conjunto de datos usando un clasificador de sentimientos para etiquetar publicaciones realizadas por usuarios de redes sociales en conjunto con algoritmos de clustering para poder detectar cuales son las temáticas sobre las cuales se expresan opiniones. Proponemos utilizar una base de 2000 reseñas de películas etiquetadas como positivas y negativas para luego entrenar un clasificador SVM de sentimientos. Luego utilizamos Twitter para recolectar y clasificar los sentimiento de 122 mil publicaciones relacionadas a un acontecimiento televisivo de gran convocatoria. También utilizamos el algoritmo de clustering K-Means para obtener un vistazo general sobre los temas y un aproximación del sentimiento asociado a estos. Finalmente, a través de una visualización interactiva, vemos los resultados de este procesamiento.
publishDate 2017
dc.date.none.fl_str_mv 2017-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/65440
url http://sedici.unlp.edu.ar/handle/10915/65440
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/EST/est-14.pdf
info:eu-repo/semantics/altIdentifier/issn/2451-7615
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/4.0/
Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/4.0/
Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
dc.format.none.fl_str_mv application/pdf
184-209
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783057737023488
score 12.982451

Publicaciones similares