Citas bibligráficas
Esta es una referencia generada automáticamente. Modifíquela de ser necesario
Herrera, L., (2020). Comparación de métodos para clasificar comentarios de lugares turísticos por medio de análisis de sentimiento [Universidad de Lima]. https://hdl.handle.net/20.500.12724/12195
Herrera, L., Comparación de métodos para clasificar comentarios de lugares turísticos por medio de análisis de sentimiento []. PE: Universidad de Lima; 2020. https://hdl.handle.net/20.500.12724/12195
@misc{sunedu/3305659,
title = "Comparación de métodos para clasificar comentarios de lugares turísticos por medio de análisis de sentimiento",
author = "Herrera Sarmiento, Luis Guillermo",
publisher = "Universidad de Lima",
year = "2020"
}
Título: Comparación de métodos para clasificar comentarios de lugares turísticos por medio de análisis de sentimiento
Autor(es): Herrera Sarmiento, Luis Guillermo
Asesor(es): Gutiérrez Cárdenas, Juan Manuel
Palabras clave: Redes sociales; Turismo; Tourism; Social networks; Emociones y sentimientos; Emotions and feelings; Turistas; Tourists
Campo OCDE: http://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2020
Institución: Universidad de Lima
Resumen: Hoy en día los turistas luego de visitar algún destino plasman sus experiencias como opiniones en diversas
fuentes turísticas, redes sociales y/o sitios web turísticos, siendo esta información valiosa para empresas turísticas o
relacionadas a ello, para identificar en qué lugar se puede enriquecer la experiencia de la visita (una oportunidad de
mejora). Asimismo, promover la atención de los turistas durante la planificación de sus viajes, ya que la información
existente puede ser abrumadora. En esta investigación se tomó el sitio web TripAdvisor para adquirir los comentarios
acerca los sitios de interés y se realizó la comparación de tres técnicas para la clasificación de estos comentarios:
Support Vector Machine (SVM), Naïve Bayes (NB) y Método propuesto basado en SVM y Chi Square como método
de selección de características. La técnica híbrida propuesta obtuvo el mejor resultado, seguido de SVM y por último
Naïve Bayes cada una con 80.27%, 78.53% y 76.91% de precisión respectivamente. Se concluye que es factible
realizar la clasificación automática y obtener los lugares con mayor proporción de reseñas negativas.
Enlace al repositorio: https://hdl.handle.net/20.500.12724/12195
Disciplina académico-profesional: Ingeniería de sistemas
Institución que otorga el grado o título: Universidad de Lima. Facultad de Ingeniería y Arquitectura
Grado o título: Ingeniero de sistemas
Fecha de registro: 17-dic-2020; 17-dic-2020
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons