Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook

Descripción del Articulo

Las opiniones de los clientes sobre servicios en redes sociales son vitales para las empresas debido a que se pueden utilizar para mejorar y potenciar las oportunidades de negocio si los comentarios pueden analizarse a tiempo. El propósito de este trabajo es determinar los métodos de machine learnin...

Descripción completa

Detalles Bibliográficos
Autores: Adrianzén Torres, Martín Jesús, Escobedo Cárdenas, Edwin Jhonatan
Formato: objeto de conferencia
Fecha de Publicación:2021
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/17537
Enlace del recurso:https://hdl.handle.net/20.500.12724/17537
https://doi.org/10.26439/ciis2021.5578
Nivel de acceso:acceso abierto
Materia:Pendiente
https://purl.org/pe-repo/ocde/ford#2.02.04
id RULI_0bcc033d112cec07d67ec9344796c58d
oai_identifier_str oai:repositorio.ulima.edu.pe:20.500.12724/17537
network_acronym_str RULI
network_name_str ULIMA-Institucional
repository_id_str 3883
dc.title.es_PE.fl_str_mv Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
title Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
spellingShingle Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
Adrianzén Torres, Martín Jesús
Pendiente
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
title_full Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
title_fullStr Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
title_full_unstemmed Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
title_sort Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
author Adrianzén Torres, Martín Jesús
author_facet Adrianzén Torres, Martín Jesús
Escobedo Cárdenas, Edwin Jhonatan
author_role author
author2 Escobedo Cárdenas, Edwin Jhonatan
author2_role author
dc.contributor.other.none.fl_str_mv Escobedo Cárdenas, Edwin Jhonatan
dc.contributor.student.none.fl_str_mv Adrianzén Torres, Martín Jesús (Ingeniería de Sistemas)
dc.contributor.author.fl_str_mv Adrianzén Torres, Martín Jesús
Escobedo Cárdenas, Edwin Jhonatan
dc.subject.es_PE.fl_str_mv Pendiente
topic Pendiente
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description Las opiniones de los clientes sobre servicios en redes sociales son vitales para las empresas debido a que se pueden utilizar para mejorar y potenciar las oportunidades de negocio si los comentarios pueden analizarse a tiempo. El propósito de este trabajo es determinar los métodos de machine learning con mejor rendimiento para aplicar análisis de sentimientos y clasificar comentarios positivos y negativos sobre el servicio de restaurantes peruanos en Facebook. Como primera contribución en este proyecto, se crearon dos datasets de comentarios de publicaciones de cadenas de restaurantes peruanos en Facebook. La segunda contribución es la metodología propuesta dividida en dos etapas: en la primera etapa se aplicaron técnicas de Lenguaje Natural para el preprocesamiento de los comentarios; en la segunda etapa se analizó el desempeño de los algoritmos de Naive Bayes, Random Forest y SVM con núcleos RBF y Lineal para clasificar las opiniones en los datasets. Los resultados experimentales demostraron que el clasificador SVM obtuvo el mejor desempeño tanto en la etapa de entrenamiento como en la de pruebas con un 91.44% y 94% de exactitud para los datasets primario y secundario respectivamente, probando la viabilidad de la metodología propuesta.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2023-02-01T16:22:33Z
dc.date.available.none.fl_str_mv 2023-02-01T16:22:33Z
dc.date.issued.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
dc.type.other.none.fl_str_mv Artículo de conferencia
format conferenceObject
dc.identifier.citation.es_PE.fl_str_mv Adrianzén Torres, M. J. & Escobedo Cárdenas, E. J. (2021). Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook. En Universidad de Lima (Ed.), Sociedad digital: retos y oportunidades de una nueva realidad. Actas del IV Congreso Internacional de Ingeniería de Sistemas (pp. 67-81), Lima, 26 al 28 de octubre del 2021. Universidad de Lima, Fondo Editorial. https://doi.org/10.26439/ciis2021.5578
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12724/17537
dc.identifier.isni.none.fl_str_mv 0000000121541816
dc.identifier.event.none.fl_str_mv IV Congreso Internacional de Ingeniería de Sistemas
dc.identifier.doi.none.fl_str_mv https://doi.org/10.26439/ciis2021.5578
identifier_str_mv Adrianzén Torres, M. J. & Escobedo Cárdenas, E. J. (2021). Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook. En Universidad de Lima (Ed.), Sociedad digital: retos y oportunidades de una nueva realidad. Actas del IV Congreso Internacional de Ingeniería de Sistemas (pp. 67-81), Lima, 26 al 28 de octubre del 2021. Universidad de Lima, Fondo Editorial. https://doi.org/10.26439/ciis2021.5578
0000000121541816
IV Congreso Internacional de Ingeniería de Sistemas
url https://hdl.handle.net/20.500.12724/17537
https://doi.org/10.26439/ciis2021.5578
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Lima
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad de Lima
dc.source.none.fl_str_mv Repositorio Institucional - Ulima
Universidad de Lima
reponame:ULIMA-Institucional
instname:Universidad de Lima
instacron:ULIMA
instname_str Universidad de Lima
instacron_str ULIMA
institution ULIMA
reponame_str ULIMA-Institucional
collection ULIMA-Institucional
bitstream.url.fl_str_mv https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17537/3/license.txt
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17537/2/license_rdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
8fc46f5e71650fd7adee84a69b9163c2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Universidad de Lima
repository.mail.fl_str_mv repositorio@ulima.edu.pe
_version_ 1840272181312880640
spelling Adrianzén Torres, Martín JesúsEscobedo Cárdenas, Edwin JhonatanEscobedo Cárdenas, Edwin JhonatanAdrianzén Torres, Martín Jesús (Ingeniería de Sistemas)2023-02-01T16:22:33Z2023-02-01T16:22:33Z2021Adrianzén Torres, M. J. & Escobedo Cárdenas, E. J. (2021). Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook. En Universidad de Lima (Ed.), Sociedad digital: retos y oportunidades de una nueva realidad. Actas del IV Congreso Internacional de Ingeniería de Sistemas (pp. 67-81), Lima, 26 al 28 de octubre del 2021. Universidad de Lima, Fondo Editorial. https://doi.org/10.26439/ciis2021.5578https://hdl.handle.net/20.500.12724/175370000000121541816IV Congreso Internacional de Ingeniería de Sistemashttps://doi.org/10.26439/ciis2021.5578Las opiniones de los clientes sobre servicios en redes sociales son vitales para las empresas debido a que se pueden utilizar para mejorar y potenciar las oportunidades de negocio si los comentarios pueden analizarse a tiempo. El propósito de este trabajo es determinar los métodos de machine learning con mejor rendimiento para aplicar análisis de sentimientos y clasificar comentarios positivos y negativos sobre el servicio de restaurantes peruanos en Facebook. Como primera contribución en este proyecto, se crearon dos datasets de comentarios de publicaciones de cadenas de restaurantes peruanos en Facebook. La segunda contribución es la metodología propuesta dividida en dos etapas: en la primera etapa se aplicaron técnicas de Lenguaje Natural para el preprocesamiento de los comentarios; en la segunda etapa se analizó el desempeño de los algoritmos de Naive Bayes, Random Forest y SVM con núcleos RBF y Lineal para clasificar las opiniones en los datasets. Los resultados experimentales demostraron que el clasificador SVM obtuvo el mejor desempeño tanto en la etapa de entrenamiento como en la de pruebas con un 91.44% y 94% de exactitud para los datasets primario y secundario respectivamente, probando la viabilidad de la metodología propuesta.Revisado por paresapplication/pdfspaUniversidad de LimaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UlimaUniversidad de Limareponame:ULIMA-Institucionalinstname:Universidad de Limainstacron:ULIMAPendientehttps://purl.org/pe-repo/ocde/ford#2.02.04Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebookinfo:eu-repo/semantics/conferenceObjectArtículo de conferenciaLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17537/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17537/2/license_rdf8fc46f5e71650fd7adee84a69b9163c2MD5220.500.12724/17537oai:repositorio.ulima.edu.pe:20.500.12724/175372025-05-13 17:04:43.796Repositorio Universidad de Limarepositorio@ulima.edu.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
score 13.124538
Análisis comparativo de métodos de machine learning para clasificar opiniones sobre el servicio de restaurantes peruanos en Facebook
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares