Análisis de Sentimientos de las Noticias en x utilizando procesamiento de Lenguaje Natural Sentiment Analysis of News in x using Natural Language processing
Barra lateral del artículo
Contenido principal del artículo
Resumen
El presente proyecto tiene como propósito desarrollar un componente de análisis de sentimientos de las noticias en X seleccionadas por las verificadoras de hechos en Ecuador, utilizando Procesamiento de Lenguaje Natural, que sirva de aporte a una investigación a nivel macro que busca ayudar al fact-ckecker a realizar el proceso de verificación de noticias. Para realizarlo, se emplearon técnicas de recoección de datos como la entrevista, técnicas de análisis de sentimientos y modelos de aprendizaje automático. En su implementación, se utilizó la base de datos en la nube MongoDB Atlas para obtener los datos requeridos, el lenguaje de programación Python utilizando el cuaderno colaborativo Google Colaboratory y el modelo preentrenado de BERT en español como base para entrenar un modelo que pueda realizar predicciones de sentimientos y emociones. Además, se emplearon métricas para evaluar el rendimiento del modelo entrenado. Estas herramientas mencionadas contribuyeron para que se cumplan los objetivos propuestos.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Capuano, N., Fenza, G., Loia, V., & Nota, F. D. (2023). Content-Based Fake News Detection With Machine and Deep Learning: a Systematic Review. Neurocomputing, 530 (ISSN 0925-2312), 91-103. doi:https://doi.org/10.1016/j.neucom.2023.02.005
Cusot, G., & Palacios, I. (2019). Las FAKE NEWS y las estrategias de verificación del discurso público: Caso Ecuador Chequea. 3, págs. 88-107. doi: https://doi.org/10.18272/pd.v3i1.1558
Ecuador Chequea. (17 de octubre de 2018). Ecuador Chequea by Fundamedios. Obtenido de Ecuador Chequea frente a los hechos ocurridos en Posorja: https://ecuadorchequea.com/editorial-ecuadorchequea-posorja-linchamiento- fakenews/
Galeano, S. (26 de enero de 2023). El número de usuarios de internet en el mundo crece un 1,9% y alcanza los 5.160 millones (2023). Obtenido de Marketing 4 Ecommerce: https://marketing4ecommerce.net/usuarios-de-internet-mundo/
Gleick, J. (2011). La información: historia y realidad. (koothrapali, Ed.)
Google. (2023). Google Colaboratory. Retrieved April 18, 2023, from https://colab.research.google.com/
Hütt Herrera, H. (2012). LAS REDES SOCIALES: UNA NUEVA HERRAMIENTA DE DIFUSIÓN. Reflexiones, 91(2), 121-128.
Kemp, S. (26 de enero de 2023). DataReportal - Global Digital Insights. Obtenido de DataReportal -Global Digital Insights: https://datareportal.com/reports/digital- 2023-global-overview-report
Liu, B. (2015). Sentiment Analysis. New York: Cambridge University Press.
Mayo, M. (3 de mayo de 2018). Preprocesamiento de datos de texto: un tutorial en Python. Obtenido de https://medium.com/datos-yciencia/preprocesamiento-de-datos-de- texto-un-tutorial-en-python-5db5620f1767
Naso, F., Balbi, M. L., Di Grazia, N., & Peri, J. A. (2012). La importancia de las Redes sociales en el ámbito educativo. Universidad Nacional del Noroeste de la Provincia de Buenos Aires, 1-8.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., & Thirion, B. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825- 2830.
Piñero, M. S. (2021). MARKETING EN REDES SOCIALES. Revista de Estudios Empresariales (2), 317-319. doi: https://doi.org/10.17561/ree.n2.2022.7150
Priya, B. (31 de marzo de 2023). Los 12 mejores cuadernos colaborativos de ciencia de datos [alternativas de Jupyter]. Recuperado el 8 de junio de 2023, de Geekflare: https://geekflare.com/es/best-data-science-notebooks/
Romero Moreno, F. Y., Sanchez Martelo, C. A., Breed Yeet, A. C., Sanchez Cifuentes, J. F., & Ospina López, J. P. (2020). Técnicas para la Clasificación de Sentimientos en Redes Sociales como Apoyo en el Marketing Digital. RISTI (35), 167-186.
Sahagian, G. (30 de noviembre de 2020). What is Random State? And Why is it Always 42? Obtenido de Medium: https://grsahagian.medium.com/what-is-random-state-42-d803402ee76b
Santamaria, P. (16 de enero de 2017). Antropología social: La diferencia y relación entre posverdad y las noticias falsas. Merca2.0. Obtenido de Merca2.0: https://goo.gl/agXAMR