Núm. 65 (2018): Enero - junio
Articulos Entorno

Extracción de conocimiento a partir de textos obtenidos de Twitter

PDF HTML
  • Ronny Adalberto Cortez Reyes
Ronny Adalberto Cortez Reyes
Universidad Tecnológica de El Salvador

Publicado 2018-06-01

Palabras clave

  • Lenguajes de procesamiento de texto,
  • Archivos de texto,
  • Visualización de la información,
  • Recuperación de información,
  • Sistemas de almacenamiento y recuperación de información,
  • Tecnología de las comunicaciones,
  • Telecomunicaciones
    • ...Más
    Menos

Derechos de autor 2018 Entorno

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Cómo citar

Cortez Reyes, R. A. (2018). Extracción de conocimiento a partir de textos obtenidos de Twitter. Entorno, 65, 30-41. https://revistas.utec.edu.sv/index.php/entorno/article/view/531

Resumen

El trabajo “Extracción de conocimiento a partir de textos obtenidos de Twitter” tiene como objetivo aplicar técnicas de data mining para a partir de un conjunto de tweets extraer información que permita conocer sobre lo que se está hablando y generar conceptos o ideas por medio del uso de diferentes tipos de representaciones gráficas. Para el análisis se ha utilizado un conjunto de tweets desde el 1 de enero al 21 de febrero de 2018, relacionados al tema de artificial intelligence, el proceso se dividió en 3 fases principales que incluyen: Recolección de tweets, procesamiento de texto y visualización de resultados. Utilizando diferentes tipos de gráficos fue posible extraer información comprensible para los lectores permitiendo tener una idea de lo que se habla en los textos y extraer las ideas principales.

URI: http://hdl.handle.net/11298/451
DOI: https://doi.org/10.5377/entorno.v0i65.6048

 

PDF HTML

Referencias

  1. Contreras Barrera, M. (2014). Minería de texto: una visión actual. Recuperado de http://www.redalyc.org/pdf/285/28540279005.pdf
  2. Das, S. R. (2017). Data science: theories, models, algorithms, and analytics. Recuperado de http://srdas.github.io/MLBook/TextAnalytics.html#term-document-matrix-tdm
  3. Gurusamy, V., & Kannan, S. (2014). Preprocessing Techniques for Text Mining. Recuperado de https://www.researchgate.net/publication/273127322_Preprocessing_Techniques_for_ Text_Mining
  4. IBM. (s. f.). About Text Mining. Recuperado de https://www.ibm.com/support/knowledgecenter/es/SS3RA7_16.0.0/com.ibm.spss.ta.help/textmining/_shared_entities/tm _intro_tm_defined.htm
  5. Mining Online. (2014). Dive into nltk, part IV: stemming and lemmatization. Recuperado de http://textminingonline.com/dive-into-nltk-part-iv-stemming-and-lemmatization
  6. Moujahid, A. (2014). An introduction to text mining using twitter streaming api and python. Recuperado de http://adilmoujahid.com/posts/2014/07/twitter-analytics/
  7. Murphy, J., & Roser, M. (2018). Internet. Recuperado de https://ourworldindata.org/internet
  8. Raulji, J., & Saini, J. (2016). Stop-Word Removal Algorithm and its Implementation for Sanskrit Language. International Journal of Computer Applications. 150(2), 15-17. Recuperado de http://www.ijcaonline.org/archives/volume150/number2/raulji-2016-ijca- 911462.pdf
  9. Rochina, P. (2017). ¿Qué es el Text Mining?. Revista digital inesem. Recuperado de https://revistadigital.inesem.es/informatica-y-tics/text-mining/
  10. Rodríguez Blanco, A., Cuevas, S., & J, A. (2013). Método para la extracción de información estructurada desde textos.Revista Cubana de Ciencias Informáticas. 7(1), 55-67.
  11. Sancho Caparrini, F. (2017). Introducción al aprendizaje automático. Recuperado de http://www.cs.us.es/~fsancho /?e=75Text