Desarrollo y comparación de modelos de aprendizaje automático en Deep Learning para el análisis de sentimientos en la red social X sobre plataformas de streaming

• Autores: Espinoza Herrera, Blanca Yosselyn, Grajeda Bastidas, Luis Renato
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad ESAN
• Repositorio: ESAN-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.esan.edu.pe:20.500.12640/4502
• Enlace del recurso: https://hdl.handle.net/20.500.12640/4502
• Nivel de acceso: acceso abierto
• Materia: Streaming; Aprendizaje automático; Aprendizaje profundo; Redes sociales; Satisfacción del cliente; https://purl.org/pe-repo/ocde/ford#2.02.04

Esta investigación tiene como objetivo entrenar modelos de Deep Learning para desarrollar un sistema de análisis de sentimientos para plataformas de streaming, permitiendo medir el grado de satisfacción de los usuarios con su plataforma actual, tomando como fuente los tweets de la red social X. Esta información se orientó hacia Spliiit, una empresa que ofrece licencias compartidas de plataformas virtuales. A través de la evaluación y comparación de distintos modelos clasificadores se busca identificar el más eficaz. Como parte de la implementación, se recolectó comentarios en la red social X citando a las cuatro plataformas más importantes actualmente y se evaluó el desempeño de estos modelos, con enfoques redes neuronales profundas, comparándolos mediante métricas de evaluación. La metodología utilizada siguió el enfoque de técnicas avanzadas de Deep Learning para evaluar su precisión. Los resultados mostraron que entre los algoritmos GDU y LSTM devolvieron una precisión del 91%, destacándose como los más eficaces. Esta investigación contribuye al desarrollo de herramientas inteligentes para evaluar la experiencia del usuario en servicios digitales, facilitando la toma de decisiones basada en el análisis automático de opiniones mediante modelos de última generación en procesamiento de texto.