REVISTA DYNA NEW TECHNOLOGIES

Palabras clave:

Polaridad sentimental, Análisis de sentimientos, Validación cruzada, Conjuntos de entrenamiento y prueba, Sentiment polarity, Sentiment analysis, Cross-validation, Training and test sets.

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN
En la actualidad, los servicios de redes sociales han experimentado un crecimiento exponencial y se han convertido en una parte integral de la vida diaria de los usuarios. Estas plataformas, como Twitter, han adquirido un papel relevante en la generación y difusión de información en distintos segmentos de la población. El valor de la información generada en estas plataformas ha aumentado de manera significativa en línea con este incremento en su uso.
En este trabajo, se presenta un estudio que se centra en analizar la polaridad de un conjunto de datos extraído de Twitter. El objetivo es comprender cuales técnicas de preprocesamiento y métodos de clasificación pueden ayudarnos a clasificar la polaridad de los mensajes en estos conjuntos de datos no estructurados. Para llevar a cabo la identificación automática de sentimientos misóginos en Twitter, se realizan experimentos utilizando distintos métodos de aprendizaje, como Support Vector Machine, Naive Bayes, Regresión Logística, KNN y Random Forest. Estos métodos se aplican en dos escenarios de clasificación: la validación cruzada y los conjuntos de entrenamiento y prueba.
Los resultados obtenidos demuestran la viabilidad de la metodología propuesta y contribuyen a un estudio teórico-práctico para identificar mensajes misóginos en textos no estructurados presentes en plataformas de redes sociales. Esta investigación busca ofrecer una comprensión más profunda del contexto de esta problemática actual, teniendo en cuenta el uso de sistemas de aprendizaje automático para identificar la polaridad de un texto en función de las emociones expresadas por su autor.
Palabras clave: Polaridad sentimental, Análisis de sentimientos, Validación cruzada, Conjuntos de entrenamiento y prueba.