Finding similar tweets within health related topics

• Autor: Villanueva Vega, Danny Gilberto
• Formato: tesis de maestría
• Fecha de Publicación: 2019
• Institución: Superintendencia Nacional de Educación Superior Universitaria
• Repositorio: Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.sunedu.gob.pe:20.500.14366/5535
• Enlace del recurso: https://hdl.handle.net/20.500.14366/5535
• Nivel de acceso: acceso abierto
• Materia: Redes sociales; Deep Learning inteligencia artificia; inteligencia artificia; salud; enfermedades; similitud; procesamiento de lenguaje natural; https://purl.org/pe-repo/ocde/ford#2.00.00

Las redes sociales se han convertido en un medio muy importante para crear y compartir información, ideas, noticias y opiniones sobre muchos temas. Estas también proporcionan información en tiempo real sobre ventas, mercadotecnia, política, desastres naturales y situaciones de crisis, entre otros. Estas redes incluyen Facebook, Twitter, WhatsApp e Instagram, por nombrar algunas. En este trabajo, centraremos nuestros esfuerzos en la red social Twitter. Esta red proporciona un mecanismo para que las personas expresen sus puntos de vista mediante mensajes cortos (no más de 280 caracteres) llamados tweets. En este proyecto, investigamos e implementamos modelos de redes neuronales de similitud de texto de manera que podamos: 1) saber si están relacionados o no con una enfermedad, 2) agrupar tweets similares a los que ya hemos capturado, analizado o almacenado y 3) encontrar el índice de similitud entre los tweets que utilizan diferentes algoritmos de aprendizaje. Basamos nuestro trabajo en los enfoques de similitud semántica y las medidas de similitud de texto utilizando algoritmos de Deep Learning para proporcionar información confiable sobre temas relacionados a la salud.