Please use this identifier to cite or link to this item:

http://hdl.handle.net/10609/81435
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSobrino Sande, José Carlos-
dc.contributor.otherUniversitat Oberta de Catalunya-
dc.date.accessioned2018-06-27T19:13:34Z-
dc.date.available2018-06-27T19:13:34Z-
dc.date.issued2018-06-
dc.identifier.urihttp://hdl.handle.net/10609/81435-
dc.description.abstractEl objetivo de este TFM es explicar los fundamentos teóricos sobre los que se asienta el análisis de sentimientos, su historia, aplicaciones y su relación con el procesamiento del lenguaje natural. Se ofrecerá una visión del estado del arte mediante un recorrido por los estudios publicados por decenas de autores y veremos los métodos más importantes que existen para desarrollar este tipo de soluciones. Implementaremos un clasificador de sentimientos para los mensajes de Twitter basado en algoritmos de aprendizaje supervisado y se llevará a cabo un estudio comparativo con las técnicas más populares para el análisis de sentimientos a nivel de documento. Finalmente, hablaremos de cómo se presenta el futuro para este tipo de sistemas.es
dc.description.abstractThe aim of this Master's Thesis is to explain the theoretical foundations over sentiment analysis is seated, its history, applications and its relationship with natural language processing. It will be offered a vision of the state of the art through a tour of the published studies by several authors and we will see the most important methods for developing this kind of solutions. It will be implemented a sentiment classifier for Twitter messages based on supervised learning algorithms and we will elaborate a comparative study with the most popular techniques for sentiment analysis at document level. Finally, we will talk about the future of this kind of systems.en
dc.description.abstractL'objectiu d'aquest TFM és explicar els fonaments teòrics sobre els quals s'assenta l'anàlisi de sentiments, la seva història, aplicacions i la seva relació amb el processament del llenguatge natural. S'oferirà una visió de l'estat de l'art mitjançant un recorregut pels estudis publicats per desenes d'autors i veurem els mètodes més importants que existeixen per desenvolupar aquest tipus de solucions. Implementarem un classificador de sentiments per als missatges de Twitter basat en algorismes d'aprenentatge supervisat i es durà a terme un estudi comparatiu amb les tècniques més populars per a l'anàlisi de sentiments a nivell de document. Finalment, parlarem de com es presenta el futur per a aquest tipus de sistemes.ca
dc.language.isospa-
dc.publisherUniversitat Oberta de Catalunya-
dc.subjectaprendizaje supervisadoes
dc.subjectsupervised learningen
dc.subjectaprenentatge supervisatca
dc.subjectprocesamiento del lenguaje naturales
dc.subjectprocessament del llenguatge naturalca
dc.subjectnatural language processingen
dc.subjectaprendizaje automáticoes
dc.subjectmachine learningen
dc.subjectaprenentatge automàticca
dc.subjectTwitteres
dc.subjectTwitterca
dc.subjectTwitteren
dc.subjectanálisis de sentimientoses
dc.subjectanàlisi de sentimentsca
dc.subjectsentiment analysisen
dc.subject.lcshComputer algorithms -- TFMen
dc.titleAnálisis de sentimientos en Twitter-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelPostgraduate degreesen
dc.subject.lemacAlgorismes computacionals -- TFMen
dc.subject.lcshesAlgoritmos computacionales -- TFM-
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.contributor.directorVentura Royo, Carles-
dc.contributor.tutorKanaan Izquierdo, Samir-
Appears in Collections:Bachelor thesis, research projects, etc.

Files in This Item:
File Description SizeFormat 
jsobrinosTFM0618memoria.pdfMemoria del TFM2.37 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons