Tesis- Ingeniería en Tecnología de la Información

Código QR

Entérate cómo entregar tus trabajos de titulación

Permanent URI for this collection

https://repositorio.puce.edu.ec/handle/123456789/246

Browse

Browsing Tesis- Ingeniería en Tecnología de la Información by Subject "Análisis de sentimientos"

0-9ABCDEFGHIJKLMNOPQRSTUVWXYZ
Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Clasificación de comentarios tóxicos en redes sociales mediante machine learning
    (PUCE - Esmeraldas, 2023) Revelo Bautista, María Fernanda
    En esta investigación, se aborda el problema de comentarios tóxicos en redes sociales, y cómo la inteligencia artificial (IA) y el aprendizaje automático (Machine Learning) pueden ayudar. Se presenta el desarrollo de un modelo de clasificación empleando IA con técnicas de machine learning que permita identificar comentarios tóxicos en Twitter. El clasificador planteado, elaborado en Python, se estableció con 7 diferentes algoritmos a los que se les empleó enfoques o estrategias para la clasificación de etiquetas múltiples, preprocesamiento, limpieza y visualización de datos. Este modelo fue entrenado con un total de 159571 comentarios del conjunto de datos del repositorio Kaggle denominado Jigsaw, el cual tiene los comentarios clasificados con diversas características. Posteriormente del entrenamiento, evaluación y comparación del modelo creado se consiguió como resultado un clasificador capaz de identificar palabras o comentarios tóxicos y ofensivos cuya precisión fue del 92.16%
  • Thumbnail Image
    ItemOpen Access
    Una comparación de las plataformas de análisis de sentimientos en ingeniería de software: un estudio experimental
    (PUCE - Esmeraldas, 2022) Morán López, Dylan Marcelo
    El análisis de sentimientos es conocido también como minería de opinión, ya que es el proceso de obtener la polaridad emocional de un texto para luego ser clasificado en negativo, neutral y positivo, las cuales son las medidas más utilizadas. El análisis de sentimientos surge de los algoritmos de inteligencia artificial y el machine learning. Hoy en día las empresas que se dedican al desarrollo de software aseguran que la información obtenida a través del análisis de sentimientos es sumamente importante para ellos ya que de esta manera pueden analizar cuan aceptado puede ser un producto para sus usuarios. Para ello existen varias herramientas y plataformas que se encargan de realizar el proceso de análisis de sentimientos a grandes cantidades de datos, siendo así más eficiente que una persona. El presente documento se enfoca en la comparación de las plataformas que más se utilizan en la actualidad para realizar el análisis de sentimientos. Mediante una evaluación que se basa en los factores de la ISO/IEC 25010 la cual se encarga en medir la calidad del software. Los parámetros con los que se trabajó fueron: adecuación funcional, eficiencia de desempeño y usabilidad. En cuanto a la evaluación realizada, la plataforma que obtuvo un mayor puntaje fue MonkeyLearn. Adicionalmente fue la que más coincidencia tuvo con la descripción de los conjuntos de datos con los que se trabajó. Por otro lado, las siguientes plataformas como Google Colaboratory y RapidMiner obtuvieron una puntuación inferior.