Uso del análisis de sentimientos para medir el posicionamiento de una marca a través de la información extraída de la plataforma Twitter

Vista sencilla de ítem
dc.contributor.advisorMateus Rojas, Armando
dc.contributor.authorCortés Díaz, Nicolás Santiago
dc.contributor.corporatenameUniversidad Santo Tomásspa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000680630
dc.contributor.googlescholarhttps://scholar.google.com/citations?user=1az5o_IAAAAJ&hl=es
dc.contributor.orcidhttps://orcid.org/0000-0002-2399-4859
dc.date.accessioned2021-09-24T12:36:34Z
dc.date.available2021-09-24T12:36:34Z
dc.date.issued2021-09-23
dc.descriptionLa inteligencia artificial, por medio del procesamiento del lenguaje natural prepara a las computadoras para entender e interpretar el lenguaje humano, es decir, programa a la máquina para que tenga el poder de leer texto, escuchar sonidos y proporcionar una medición del sentimiento. Considerando la gran cantidad de información basada en el lenguaje, las máquinas son indispensables para un análisis rápido, automático y consistente. Este proyecto brinda información acerca del proceso que hay detrás del análisis de sentimientos utilizando el clasificador bayesiano de texto y el algoritmo VADER, apoyado de algunas librerías ofrecidas por python para el procesamiento del lenguaje natural. Los resultados presentados son producto del análisis entre algunas marcas competidoras en el mercado.spa
dc.description.abstractArtificial intelligence, through natural language processing, prepares computers to understand and interpret human language, that is, it programs the machine to have the power to read text, hear sounds and provide a measure of feeling. Considering the large amount of information based on language, machines are indispensable for fast, automatic and consistent analysis. This project provides information about the process behind sentiment analysis using the Bayesian text classifier and the VADER algorithm, supported by some libraries offered by python for natural language processing. The results presented are the product of the analysis between some competing brands in the market.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero Electronicospa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdf
dc.identifier.citationCortes Diaz, N. S. (2021). Uso del análisis de sentimientos para medir el posicionamiento de una marca a través de la información extraída de la plataforma Twitter [Trabajo de pregrado, Universidad Santo Tomás]. Repositorio Institucional.spa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/35771
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Bogotáspa
dc.publisher.facultyFacultad de Ingeniería Electrónicaspa
dc.publisher.programPregrado Ingeniería Electrónicaspa
dc.relation.referencesYi Min Shum. https://yiminshum.com/twitter-2021-digital/. 10 de Febrero de 2021.spa
dc.relation.referencesEdgar Castro Monge. «Las estrategias competitivas y su importancia en la buena gestión de las empresas». En: Revista de Ciencias Económicas 28.1 (2010).spa
dc.relation.referencesAlexandre Fonseca. Marketing Digital en Redes Sociales: Lo imprescindible en Marketing Online para tue empresa en las Redes Sociales. Alexandre Fonseca Lacomba, 2014.spa
dc.relation.referencesLucas Montesinos Garcıéa. «Análisis de sentimientos y predicción de eventos en Twitter». En: (2014).spa
dc.relation.referencesMartıén Becerra. «Análisis de sentimientos en Twitter: El bueno, el malo y el>». En: XX Concurso de Trabajos Estudiantiles-JAIIO 46 (Córdoba, 2017). 2017.spa
dc.relation.referencesRafael Sánchez del Hoyo. «Análisis de sentimientos con Twitter: turismo y polıética electoral». En: (2019).spa
dc.relation.referencesGabriel Valerio Ureña y River Serna Valdivi. «Redes sociales y bienestar psicológico del estudiante universitario». En: Revista electrónica de investigación educativa 20.3 (2018), págs. 19-28.spa
dc.relation.referencesMeylan Wongkar y Apriandy Angdresey. «Sentiment Analysis Using Naive Bayes Algorithm Of The Data Crawler: Twitter». En: 2019 Fourth International Conference on Informatics and Computing (ICIC). 2019, págs. 1-5.spa
dc.relation.referencesLokesh Mandloi y Ruchi Patel. «Twitter Sentiments Analysis Using Machine Learninig Methods». En: 2020 International Conference for Emerging Technology (INCET). 2020, págs. 1-5.spa
dc.relation.referencesV. Prakruthi, D. Sindhu y Dr. S. Anupama Kumar. «Real Time Sentiment Analysis Of Twitter Posts». En: 2018 3rd International Conference on Computational Systems and Information Technology for Sustainable Solutions (CSITSS). 2018, págs. 29-34.spa
dc.relation.referencesChae Won Park y Dae Ryong Seo. «Sentiment analysis of Twitter corpus related to artificial intelligence assistants». En: 2018 5th International Conference on Industrial Engineering and Applications (ICIEA). 2018, págs. 495-498.spa
dc.relation.referencesSanjeev Dhawan, Kulvinder Singh y Priyanka Chauhan. «Sentiment Analysis of Twitter Data in Online Social Network». En: 2019 5th International Conference on Signal Processing, Computing and Control (ISPCC). 2019, págs. 255-259.spa
dc.relation.referencesKusrini y Mochamad Mashuri. «Sentiment Analysis In Twitter Using Lexicon Based and Polarity Multiplication». En: 2019 International Conference of Artificial Intelligence and Information Technology (ICAIIT). 2019, págs. 365-368.spa
dc.relation.referencesRasika Wagh y Payal Punde. «Survey on Sentiment Analysis using Twitter Dataset». En: 2018 Second International Conference on Electronics, Communication and Aerospace Technology (ICECA). 2018, págs. 208-211.spa
dc.relation.referencesSahar A. El Rahman, Feddah Alhumaidi AlOtaibi y Wejdan Abdullah AlShehri. «Sentiment Analysis of Twitter Data». En: 2019 International Conference on Computer and Information Sciences (ICCIS). 2019, págs. 1-4.spa
dc.relation.referencesM. Trupthi, Suresh Pabboju y G. Narasimha. «Sentiment Analysis on Twitter Using Streaming API». En: 2017 IEEE 7th International Advance Computing Conference (IACC). 2017, págs. 915-919.spa
dc.relation.referencesDionysis Goularas y Sani Kamis. «Evaluation of Deep Learning Techniques in Sentiment Analysis from Twitter Data». En: 2019 International Conference on Deep Learning and Machine Learning in Emerging Applications (Deep-ML). 2019, págs. 12-17.spa
dc.relation.referencesLei Wang, Jianwei Niu y Shui Yu. «SentiDiff: Combining Textual Information and Sentiment Diffusion Patterns for Twitter Sentiment Analysis». En: IEEE Transactions on Knowledge and Data Engineering 32.10 (2020), págs. 2026-2039.spa
dc.relation.referencesMd. Rakibul Hasan, Maisha Maliha y M. Arifuzzaman. «Sentiment Analysis with NLP on Twitter Data». En: 2019 International Conference on Computer, Communication, Chemical, Materials and Electronic Engineering (IC4ME2). 2019, págs. 1-4.spa
dc.relation.referencesOsvaldo Simeone. «A Very Brief Introduction to Machine Learning With Applications to Communication Systems». En: IEEE Transactions on Cognitive Communications and Networking 4.4 (2018), págs. 648-664.spa
dc.relation.referencesRoberto A Manjarrés-Betancur y Monica Marıéa Echeverri-Torres. «Asistente virtual académico utilizando tecnologıéas cognitivas de procesamiento de lenguaje natural». En: Revista Politécnica 16.31 (2020), págs. 85-96.spa
dc.relation.referencesDiego Leonardo Pedro. «Análisis de sentimientos: aplicación sobre textos en redes sociales». En: (2019).spa
dc.relation.referencesMonserrat Ramirez Garcıa, Maya Carrillo Ruiz y Abraham Sánchez López. «Combinación de clasificadores para el análisis de sentimientos».spa
dc.relation.referencesNatalia Niño Martıénez y col. «CAPÍTULO V MINERÍA DE TEXTOS Y ANÁLISIS DE REDES SOCIALES EN TWITTER». En: ().spa
dc.relation.referencesAne Arburua Sagastibeltza. «Extracción de conocimiento operativo a partir de descripciones en lenguaje natural». En: (2020).spa
dc.relation.referencesLifeng Li y Wenxing Li. «Naive Bayesian automatic classification of railway service complaint text based on eigenvalue extraction». En: Tehniˇcki vjesnik 26.3 (2019), págs. 778-785.spa
dc.relation.referencesCinthya Vergara y col. «Análisis de texto para Gestión de Marca con el uso de Instagram aplicado a una comunidad de mascotas en Chile». En: Revista Ingenierıa de Sistemas Volumen XXXIII (2019).spa
dc.relation.referencesVíctor Rosas. https://www.levelup.com/noticias/585679/PlayStationes-la-marca-mas-reconocida-por-los-millenials-y-la-generacion-Z. 4 de Agosto de 2020.spa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.subject.keywordNaive bayesspa
dc.subject.keywordVADERspa
dc.subject.keywordTwitterspa
dc.subject.keywordNLPspa
dc.subject.keywordSupervised learningspa
dc.subject.lembClasificadorspa
dc.subject.lembSentimientospa
dc.subject.lembInteligencia Artificialspa
dc.subject.proposalNaive Bayesspa
dc.subject.proposalVADERspa
dc.subject.proposalTwitterspa
dc.subject.proposalPLNspa
dc.subject.proposalAprendizaje Supervisadospa
dc.titleUso del análisis de sentimientos para medir el posicionamiento de una marca a través de la información extraída de la plataforma Twitterspa
dc.typebachelor thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTesis de pregradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2021nicolascortes.pdf
Tamaño:
1.49 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de Grado
Descargar
Miniatura
Nombre:
Carta_aprobacion_Biblioteca. NICOLAS CORTES DIAZ.pdf
Tamaño:
224.24 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación facultad
Descargar
Miniatura
Nombre:
Carta_autorizacion_autoarchivo_Nicolas_2021.pdf
Tamaño:
947.28 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta derechos de autor
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Electrónica