Análisis de sentimientos en datos de redes sociales: aplicación de técnicas de procesamiento de lenguaje natural y machine learning para analizar opiniones y sentimientos en datos de redes sociales en el contexto de sistemas de información
DOI:
https://doi.org/10.23857/dc.v10i1.3714Palabras clave:
Análisis de sentimientos, Procesamiento de lenguaje natural, Machine learning, Redes sociales, Sistemas de informaciónResumen
La investigación examina las técnicas de procesamiento de lenguaje natural (PLN) y machine learning (ML) en el contexto del análisis de sentimientos en datos de redes sociales, particularmente en el ámbito de sistemas de información. Adoptando una metodología cualitativa basada en la revisión sistemática de la literatura, se lleva a cabo una búsqueda exhaustiva en bases de datos académicas clave, utilizando términos vinculados con análisis de sentimientos, PLN y ML. La revisión se enfoca en identificar y analizar aplicaciones, desafíos y tendencias emergentes en la intersección de estas tecnologías. Los resultados demuestran la eficacia de las técnicas de PLN y ML en la precisa clasificación de opiniones y sentimientos expresados en redes sociales, resaltando la importancia de estas herramientas para comprender la percepción pública y perfeccionar estrategias en el ámbito de sistemas de información. Se destaca la imperiosa necesidad de gestionar de forma continua la adaptación de los modelos a los cambios en la dinámica lingüística y cultural.
Citas
Alvear, F. S. R., Alvear, J. C. R., & Carbajal, D. J. A. (2023). Análisis comparativo de redes sociales para aplicar técnicas de aprendizaje automático. Dominio de las Ciencias, 9(4), 1588-1605.
Arango Pastrana, C. A., & Osorio Andrade, C. F. (2021). “Aislamiento social obligatorio: un análisis de sentimientos mediante machine learning.” Suma de Negocios, 12(26), 1-13.
Ávila Vacas, J. A., & Pérez Pilco, M. B. (2023). Identificación de comentarios sexistas en español de la Red Social Twitter utilizando Modelo Transformer para Procesamiento de Lenguaje Natural. (Bachelor's thesis, Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.).
Becerra Salas, M. P. (2022). Análisis de la percepción de los clientes de la empresa Uber en la red social Twitter. (Bachelor's thesis, PUCE-Quito).
Candela Rojas, E. C., & Aquino Baldeon, S. A. (2023). “Avise: Alertas para la Vigilancia del Sistema Educativo.” Machine Learning y Minería de Grafos para el monitoreo costo-efectivo de redes sociales.
Carbajal Bacilio, K. A., & Suarez Mariscal, C. F. (2023). Implementación de un dataset para la evaluación de modelos de análisis de sentimientos en la clasificación de tweets.
Cedeno-Moreno, D., & Vargas, M. (2020). “Aprendizaje automático aplicado al análisis de sentimientos.” I+ D Tecnológico, 16 (2), 59-66.
Denzin, N. K., & Lincoln, Y. S. (2018). The Sage handbook of qualitative research. Sage publications.
Fuentes Dávila Otani, R. C., & Fuentes Dávila Otani, K. P. (2021). “Desarrollo de una aplicación de análisis del mercado, basado en el procesamiento del lenguaje natural de la red social Twitter, con Machine Learning para predicción de éxito del lanzamiento de un nuevo producto.”
García Riquero, A. G. (2023). Estudio de un aplicativo web inteligente basado en lenguaje natural para definir temas de investigación óptimos en la Universidad Técnica de Babahoyo. (Bachelor's thesis, Babahoyo: UTB-FAFI. 2023).
Granados Figueroa, J. D. (2021). Aplicación de técnicas de Machine Learning para hacer análisis de polaridad de sentimientos en texto para detectar tendencias de opinión en plataformas online (Doctoral dissertation, Universidad Santo Tomás).
Jarro Aguirre, C. X., & Benavidez Alvarado, A. H. (2022). Desarrollo de una plataforma digital para el análisis de tendencias políticas en las redes sociales Twitter y Facebook usando técnicas de procesamiento de lenguaje natural. (Bachelor's thesis).
Maldonado Ramones, E. S. (2022). “Análisis de sentimientos en la red social Twitter mediante el procesamiento de lenguaje natural.” (Bachelor's thesis, Riobamba, Universidad Nacional de Chimborazo).
Muñoz Cano, S. (2023). Desarrollo de una aplicación web para el análisis de sentimientos en publicaciones en Twitter.
Nazareno Gómez, M. D., & Párraga Triviño, M. Á. (2021). “Análisis de herramientas de extracción de comentarios de la red social twitter y creación de un corpus no relacional para el posterior uso en el procesamiento de lenguaje natural (PLN), y minería de opiniones (MO).” (Bachelor's thesis, Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.).
Ramos Gambús, G. (2021). Análisis de sentimientos de datos de redes sociales usando técnicas de Machine Learning.
Rojo, V., Pollo Cattaneo, M. F., & Britos, P. V. (2020). Análisis de sentimientos en Twitter: desarrollo de recursos en el español rioplatense de Argentina. In XXII Workshop de Investigadores en Ciencias de la Computación (WICC 2020, El Calafate, Santa Cruz).
Scotto, J. (2021). “Análisis de sentimientos de opiniones en redes sociales usando técnicas de procesamiento del lenguaje natural.” (Doctoral dissertation, Universidad de Belgrano-Facultad de Ingeniería y Tecnología Informática-Ingeniería en Informática).
Vargas Jacinto, R. (2020). Análisis de data mining en redes sociales enfocado al análisis de opiniones. Revisión de la literatura científica.
Yanez Soffia, M. A. (2023). “Análisis sobre modelos predictores de depresión mediante la interpretación de lenguaje natural a partir de textos usando machine learning.”
Zárate Calderón, G. H. (2021). “Analítica de datos en información pública de medios periodísticos y redes sociales para el análisis de sentimiento: una revisión de literatura.”
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Nelson Salgado Reyes , Graciela Elizabeth Trujillo Moreno
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.