MODELO DE CLASIFICACIÓN DE OPINIONES SUBJETIVAS EN REDES SOCIALES

• Autores: Tapia Perales, Miluska Rosangela, Ruiz Montalvo, Osmar Niels, Chirinos Mundaca, Carlos Alberto
• Formato: artículo
• Fecha de Publicación: 2015
• Institución: Universidad Señor de Sipan
• Repositorio: Revistas - Universidad Señor de Sipán
• Lenguaje: español
• OAI Identifier: oai:ojs.revistas.uss.edu.pe:article/107
• Enlace del recurso: https://revistas.uss.edu.pe/index.php/ING/article/view/107
• Nivel de acceso: acceso abierto
• Materia: Clasificación de opiniones subjetivas; microblogging; minería de textos; redes sociales; Ingenieria de sistemas

El proyecto “modelo de clasificación de opiniones subjetivas en redes sociales”, aplica técnicas de Minería de datos para interpretar la opinión subjetiva (favorable o desfavorable) de los usuarios en las redes sociales que realizan en su actividad cotidiana (publicaciones) para analizar 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 usa técnicas de Minería de datos orientado al procesamiento de textos, específicamente utiliza técnicas de clasificación para generar descubrimiento a partir de predicciones que ejercen los atributos a una clase. Los atributos a evaluar, que serán los predictores 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.  El algoritmo del modelo de clasificación opto por utilizar redes bayesianas, usando todas las variables predictores para definir la clase sin discriminar ninguna, considera los pesos asignados utilizando una formula probabilística con la cual se obtiene la predicción.  La metodología tuvo dos etapas, Crisp-DM para la Minería de datos y XP en el desarrollo del prototipo de red social.  El modelo y sistema implementados obteniendo una eficiencia del 73.66 % validando los comentarios reales con la predicción que cálculo el modelo.