NAGIOS: RODERIC FUNCIONANDO

Técnicas para el Análisis de Sentimiento en Twitter : Aprendizaje Automático Supervisado y SentiStrength

Repositori DSpace/Manakin

IMPORTANT: Aquest repositori està en una versió antiga des del 3/12/2023. La nova instal.lació está en https://roderic.uv.es/

Técnicas para el Análisis de Sentimiento en Twitter : Aprendizaje Automático Supervisado y SentiStrength

Mostra el registre parcial de l'element

dc.contributor.author Baviera Puig, Tomás es
dc.date.accessioned 2017-07-14T11:04:07Z
dc.date.available 2017-07-14T11:04:07Z
dc.date.issued 2017 es
dc.identifier.citation Baviera Puig, Tomás. Técnicas para el Análisis de Sentimiento en Twitter : Aprendizaje Automático Supervisado y SentiStrength. En: Dígitos: Revista de Comunicación Digital, 1 3 2017: 33-50 es
dc.identifier.uri http://hdl.handle.net/10550/59501
dc.description.abstract El análisis del sentimiento en los mensajes publicados en Twitter ofrece posibilidades de gran interés para evaluar las corrientes de opinión difundidas a través de este medio. Los enormes volúmenes de textos requieren de herramientas capaces de procesar automáticamente estos mensajes sin perder abilidad. Este artículo describe dos tipos de técnicas para abordar este problema. La primera estrategia se basa en los procesos de Aprendizaje Automático Supervisado. Su aplicación requiere integrar algunas herramientas del Procesamiento de Lenguajes Naturales y tomar como punto de partida un corpus clasi cado. El segundo enfoque está basado en diccionarios de polaridad. En esta línea se sitúa la herramienta de SentiStrength, la cual se está aplicando cada vez más a los estudios de Twitter en inglés. El artículo evalúa los estudios más avanzados que utilizan cada uno de estos enfoques para el análisis de los tweets en castellano. Por último, se señalan las ventajas y limitaciones de cada uno de estos enfoques para su aplicación a la investigación en comunicación política. Si bien el aprendizaje automático supervisado permite tener en cuenta el contexto, el investigador requiere competencias de analista de datos con el n de a nar mejor el proceso. En cambio, SentiStrength está más orientado al contenido semántico de los términos del mensaje, y se requiere más bien una competencia en lingüística por parte del investigador. La principal conclusión es que ambos métodos automáticos de análisis no pueden prescindir de una exigente codi cación manual si se desea utilizarlos con abilidad en la investigación. es
dc.title Técnicas para el Análisis de Sentimiento en Twitter : Aprendizaje Automático Supervisado y SentiStrength es
dc.type journal article es_ES
dc.subject.unesco UNESCO::CIENCIAS DE LAS ARTES Y LAS LETRAS es
dc.identifier.doi es
dc.type.hasVersion VoR es_ES

Visualització       (337.8Kb)

Aquest element apareix en la col·lecció o col·leccions següent(s)

Mostra el registre parcial de l'element

Cerca a RODERIC

Cerca avançada

Visualitza

Estadístiques