Diseño de un modelo de clasificación de opiniones subjetivas utilizando minería de textos, aplicado en análisis de redes sociales

Abstract

El presente proyecto denominado “Diseño de un modelo de clasificación de opiniones subjetivas utilizando minería de textos, aplicado en análisis de redes sociales”, trata sobre la aplicación de técnicas de Minería de datos para interpretar la opinión (Una opinión favorable o desfavorable) de los usuarios de las redes sociales que realizan en su actividad cotidiana (publicaciones) con el fin de analizar las tendencias de un determinado producto, servicio o persona que sirva para la aplicación de marketing a fin de generar ventajas competitivas haciendo el uso de la analítica en la web 2.0.

El Modelo propuesto es usando las técnicas de Minería de datos orientado al procesamiento de textos, por lo que se puede denominar como Minería de Textos, específicamente se utiliza las técnicas de clasificación para generar descubrimiento a partir de las predicciones que ejercen los atributos a una clase. En este caso los atributos a evaluar, que serán los predictores de la clase están conformadas por las palabras que se utilizaran para entrenar el modelo. Las palabras están contenidas en los comentarios que emiten los usuarios de las redes sociales, comentarios que se pueden crear a través de un sistema que se ha diseñado exclusivamente para esta investigación. Teniendo como modelo una red social de Microblogging.

En cuanto al algoritmo dentro del modelo de clasificación se ha optado por utilizar redes bayesianas, ya que estas permiten la utilización de todas las variables predictores para definir la clase, es decir no discrimina ninguna, pero las considera según los pesos asignados utilizando una formula probabilística con la cual se obtiene la predicción.

Para el desarrollo de este proyecto se han aplicado las metodologías basándose en su uso, teniendo etapas, como es el caso de aplicar Crisp-DM para la etapa del modelo de Minería de datos y XP para lo que será la etapa del desarrollo del prototipo de red social.

Finalmente el modelo y sistema fueron terminados e implementados del cual se puede mencionar que finalmente obtuvieron un grado de eficiencia de 73.66 % validando los comentarios reales con la predicción que calculo el modelo.