Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural
Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017.
Main Author: | |
---|---|
Other Authors: | |
Format: | bachelorThesis |
Language: | spa |
Published: |
2017
|
Subjects: | |
Online Access: | http://hdl.handle.net/11086/5517 |
_version_ | 1801214246881591296 |
---|---|
author | Celayes, Pablo Gabriel |
author2 | Domínguez, Martín Ariel |
author_facet | Domínguez, Martín Ariel Celayes, Pablo Gabriel |
author_sort | Celayes, Pablo Gabriel |
collection | Repositorio Digital Universitario |
description | Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017. |
format | bachelorThesis |
id | rdu-unc.5517 |
institution | Universidad Nacional de Cordoba |
language | spa |
publishDate | 2017 |
record_format | dspace |
spelling | rdu-unc.55172022-10-13T11:33:28Z Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural Celayes, Pablo Gabriel Domínguez, Martín Ariel Nederhand, Rene Computación aplicada Metodologías de computación Applied computing Computing Methodologies Análisis de redes sociales Aprendizaje automático Modelo automático Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017. El presente trabajo se origina en el estudio de técnicas de Análisis de Redes Sociales para mejorar la calidad de un recomendador de contenido para entornos corporativos. Estudiamos el problema de recomendación de contenido basada en preferencias del entorno social de un usuario. Construimos un conjunto de datos de muestra extraído de la red social Twitter y a partir de estos datos entrenamos y evaluamos modelos de clasificación binaria SVM ( Support Vector Machines ) que predicen retweets de un usuario en base a los de su entorno. Se obtiene una calidad media de predicción F1 superior al 84 %, sin analizar el contenido de los tweets. En los casos en que la predicción social pura no es tan buena, se estudian modelos aumentados con características extraídas del contenido, usando el modelo temático probabilístico LDA ( Latent Dirichlet Allocation ). 2017-10-27T16:04:38Z 2017-10-27T16:04:38Z 2017-07-19 bachelorThesis http://hdl.handle.net/11086/5517 spa Atribución-CompartirIgual 2.5 Argentina http://creativecommons.org/licenses/by-sa/2.5/ar/ |
spellingShingle | Computación aplicada Metodologías de computación Applied computing Computing Methodologies Análisis de redes sociales Aprendizaje automático Modelo automático Celayes, Pablo Gabriel Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title | Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_full | Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_fullStr | Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_full_unstemmed | Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_short | Recomendación de información basada en análisis de redes sociales y procesamiento de lenguaje natural |
title_sort | recomendacion de informacion basada en analisis de redes sociales y procesamiento de lenguaje natural |
topic | Computación aplicada Metodologías de computación Applied computing Computing Methodologies Análisis de redes sociales Aprendizaje automático Modelo automático |
url | http://hdl.handle.net/11086/5517 |
work_keys_str_mv | AT celayespablogabriel recomendaciondeinformacionbasadaenanalisisderedessocialesyprocesamientodelenguajenatural |