dir. (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
| Títol variant: |
Análisis de sentimientos de usuarios de aerolíneas mediante técnicas de aprendizaje automático |
| Títol variant: |
Sentiment analysis of airline users through techniques of automatic learning |
| Data: |
2019-02-12 |
| Resum: |
Les xarxes socials han evolucionat de tal manera que es deixa en segon pla la comunicació, i passa a ser un espai on compartir opinions i experiències. Les empreses s'aprofiten d'aquest canvi analitzant les valoracions per avaluar l'èxit d'un nou producte, identificar quines característiques agraden més i les necessitats del mercat, entre d'altres. Aquest procés s'anomena mineria de dades i té certes complicacions que cal tenir en compte per obtenir uns resultats acurats. Les dades obtingudes de les xarxes socials són heterogènies i contenen un alt percentatge d'ironia, acrònims i caràcters especials, específics de cada idioma i que s'han de valorar per categoritzar adequadament cada comentari. En aquest treball es fa una anàlisi automàtica de les opinions de clients extretes de la xarxa social Twitter. S'utilitza un conjunt de dades en brut que cal netejar i adaptar als algoritmes de detecció de sentiments. Un cop aplicats els algoritmes es pot veure quin d'ells aconsegueix un percentatge d'encert més elevat i se'n pot analitzar la causa. |
| Resum: |
Las redes sociales han evolucionado de tal manera que se deja en segundo plano la comunicación, y pasa a ser un espacio donde compartir opiniones y experiencias. Las empresas se aprovechan de este cambio analizando las valoraciones para evaluar el éxito de un nuevo producto, identificar qué características gustan más i las necesidades del mercado, entre otras. Este procesa se llama minería de datos y tiene ciertas complicaciones que hace falta tener en cuenta para obtener resultados más ajustados. Los datos obtenidos de las redes sociales son heterogéneas y contienen un alto porcentaje de ironía, acrónimos y caracteres especiales, específicos de cada idioma y que se tienen que valorar para categorizar adecuadamente cada comentario. En este trabajo se hace un análisis automático de las opiniones de clientes extraídas de la red social Twitter. Se utiliza un conjunto de datos en sucio que hace falta limpiar y adaptar a los algoritmos de detección de sentimientos. Una vez aplicados los algoritmos se puede ver cuál de ellos consigue un mayor porcentaje de acierto y se puede analizar la causa. |
| Resum: |
Social media has evolved in a way that leaves the communication on a secondary role, and has become a place where you can share opinions and experiences. Businesses take advantage of this change analyzing the reviews to evaluate the success of a new product, identifying which features are the most liked and the market needs, among others. All this process is called opinion mining. This process has some challenges that need to be taken into account to obtain accurate results. Social network data are heterogeneous and contains a high percentage of irony, acronyms and special characters specific to each language, this must be considered to categorize each review properly. In this paper, an automatic analysis of the opinions of clients extracted from the Twitter social network is made. A set of raw data is used, and must be cleaned and adapted to the sentiment analysis algorithms. Once the algorithms have been applied, one can see which of them achieves a better percentage of success and the cause can be analyzed. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Llengua: |
Català |
| Titulació: |
Grau en Enginyeria Informàtica [2502441] |
| Pla d'estudis: |
Enginyeria Informàtica [958] |
| Document: |
Treball final de grau ; Text |
| Àrea temàtica: |
Menció Tecnologies de la Informació |
| Matèria: |
Anàlisi de sentiments ;
Support Vector Machines (SVM) ;
Grid search ;
Twitter ;
Tokenització ;
Stopwords ;
Stemming ;
Algoritme Vader ;
Aproximació amb diccionaris ;
Análisis de sentimientos ;
Tokenitzación ;
Algoritmo Vader ;
Aproximación con diccionarios ;
Sentiment analysis ;
Tokenization ;
VADER algorithm ;
Dictionary approach |
visitant ::
identificació
dir. (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
