Análisis de sentimientos en Twitter con stacking ensemble para el índice de aprobación política de la presidencia del estado peruano

• Autores: García Cercado, Deivis Ronald, Villarroel López, Juan Manuel, Barzola Torres, William Salvadory
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana Unión
• Repositorio: UPEU-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upeu.edu.pe:20.500.12840/8394
• Enlace del recurso: http://repositorio.upeu.edu.pe/handle/20.500.12840/8394
• Nivel de acceso: acceso embargado
• Materia: Stacking ensemble; Análisis de sentimientos; Aprendizaje automático; La calificación de aprobación en Twitter; http://purl.org/pe-repo/ocde/ford#2.02.04

La creciente complejidad de los problemas políticos de un país destaca la importancia de comprender la percepción pública, para buscar alternativas y estrategias que permitan mejorar el bienestar de la población. Este estudio empleó el método stacking ensemble como una alternativa para mejorar la precisión en las métricas de clasificación y evaluar el índice de aprobación política del estado peruano mediante el análisis de sentimientos en Twitter. Con un enfoque metodológico riguroso que abarcó desde la recolección de datos hasta su presentación, el estudio logró una clasificación eficiente utilizando una muestra de 8724 tuits recolectados de ciudadanos peruanos del año 2023. Se generaron gráficos dinámicos que ilustran las puntuaciones de clasificación de sentimientos, lo que facilita una interpretación intuitiva. La investigación tuvo como objetivo mejorar las métricas de precisión, recall, exactitud y F1-score en la clasificación del análisis de sentimientos. Los resultados de los modelos individuales mostraron que Support Vector Machine alcanzo un (accuracy=75%, MSE = 0.306). Sin embargo, el método stacking ensemble logró una accuracy del 77% y un MSE de 0.2846, lo cual es más óptimo en comparación con los métodos individuales.