Identificación de autores y análisis polarizado de notas mediante el uso de inteligencia artificial

Elías Salazar-Reyes; Juan Luis-Trejo; Adriana Reyes-Nava; Erika López-González

doi:10.29057/icbi.v12iEspecial.12106

Autores/as

Elías Salazar-Reyes Tecnológico de Estudios Superiores de Jocotitlán https://orcid.org/0009-0005-6186-7905
Juan Luis-Trejo Tecnológico de Estudios Superiores de Jocotitlán https://orcid.org/0009-0008-4423-0541
Adriana Reyes-Nava Tecnológico de Estudios Superiores de Jocotitlán https://orcid.org/0000-0002-4440-909X
Erika López-González Tecnológico de Estudios Superiores de Jocotitlán https://orcid.org/0000-0001-7279-5111

DOI:

https://doi.org/10.29057/icbi.v12iEspecial.12106

Palabras clave:

Redes neuronales, Clasificación supervisada, Análisis de textos, Características lingüísticas y Noticias

Resumen

La identificación de los autores y el análisis polarizado en las notas, mediante el procesamiento del lenguaje natural, es un sistema capaz de identificar los autores que se encuentran en la nota, permitiendo una identificación precisa de cada autor. Además, este sistema incorpora el análisis de sentimientos y polaridad de las notas, lo que permite apreciar las actitudes y opiniones expresadas en las notas, el enfoque integra inteligencia artificial, la cual no solo ofrece una solución eficiente para la gestión y organización del documento, si no también proporciona información valiosa sobre el tono y la orientación emocional de las diferentes notas, así como para el análisis de opiniones y actitudes dentro de un conjunto de datos. Para la clasificación, se llevó a cabo un proceso de etiquetación, el cual consiste en asignar valores de -1 para negativo, 0 para neutral y 1 para positivo.

Descargas

Los datos de descargas todavía no están disponibles.

Información de Publicación

Este artículo

Otros artículos

Revisores por pares

Revisores: 2

2.4 promedio

Perfiles de revisores N/D

Declaraciones del autor

Disponibilidad de datos

N/A

16%

Financiamiento externo

No

32% con financiadores

Intereses conflictivos

N/D

11%

Para esta revista

Otras revistas

Artículos aceptados

86%

33%

Días hasta la publicación

141

145

Indexado en

GS

Editor y comité editorial: perfiles
Sociedad académica: N/D
Editora:: Universidad Autónoma del Estado de Hidalgo

Citas

Bird, Steven, Edward Loper and Ewan Klein (2009). Natural Language Proccesing with Python. O´Reilly Media Inc.

MathWorks. Documentación Softmax. https://la.mathworks.com/help/deeplearning/ref/softmax.html?lang=en

Martín Abadi, Ashish Agarwal, Paul Barham, Eugene Brevdo, Zhifeng Chen, Craig Citro, Greg S. Corrado, Andy Davis, Jeffrey Dean, Matthieu Devin, Sanjay Ghemawat, Ian Goodfellow, Andrew Harp, TensorFlow: Large-scale machine learning on heterogeneous systems, 2015. Software available from tensorflow.org.

Loria, S., (2022). TextBlob: Simplified Text Processing. https://textblob.readthedocs.io/en/dev/

The pandas development team (febrero, 2020). Pandas-dev/pandas: Pandas. DOI: 10.5881/zenodo.3509134.

Hunter, J. D., (2007). Matplotlib: A 2D graphics environmet. Computing in science & engineering, vol. 9, no. 3, pp. 90-95. DOI: 10.1109/MCSE.2007.55

Solc, T., (2022). Unicode. https://pypi.org/project/Unidecode/

Kim, T., Wurster, K., (agosto, 2023). Emoji for Python. https://pypi.org/project/emoji/

Keras-Team. Documentación Keras. https://keras.io/about/

Cardoso, A., Talame, L. Minería de Opiniones: Análisis de sentimientos en una red social. http://sedici.unlp.edu.ar/bitstream/handle/10915/77379/Documento_completo.%20An%C3%A1lisis%20de%20sentimientos%20en%20una%20red%20social.pdf-PDFA.pdf?sequence=1&isAllowed=y