Evaluación de métodos de agrupamiento dbscan y lda para el análisis de contenido de la red social Twitter

Ariza Pardo, Nicolas; Olarte Sierra, Diana Yamile

Publicación:
Evaluación de métodos de agrupamiento dbscan y lda para el análisis de contenido de la red social Twitter

dc.contributor.advisor	Martinez Quezada, Daniel Orlando
dc.contributor.advisor	Lamos Diaz, Henry
dc.contributor.author	Ariza Pardo, Nicolas
dc.contributor.author	Olarte Sierra, Diana Yamile
dc.date.accessioned	2024-03-04T00:43:53Z
dc.date.available	2020
dc.date.available	2024-03-04T00:43:53Z
dc.date.created	2020
dc.date.issued	2020
dc.description.abstract	En la actualidad debido al gran volumen de datos que se manejan es importante usar métodos de monitoreo no supervisado que permitan encontrar relaciones entre diferentes temas y se obtenga información valiosa sobre las discusiones que son tendencia. Dicha información tiene aplicaciones en los diferentes sectores de la industria siendo vital en la toma de decisiones estratégicas. En el presente trabajo se hace un análisis a una base de datos de prueba constituida a través de la red social Twitter, estos datos fueron recolectados a lo largo de cinco meses a través de la página oficial en Twitter de la Universidad Industrial de Santander. Se utiliza la herramienta Rstudio del lenguaje de programación R con la cual se realiza el preprocesamiento de los datos y se define el corpus, además se usa el método del codo y se aplican las métricas Griffits2004, CaoJuan2009, Arun2010 y Deveaud2014 para la definición de los parámetros iniciales para la ejecución de los algoritmos usados. Con esto se hace una evaluación de dos de los métodos de agrupamiento, LDA y DBSCAN aplicando el coeficiente de silueta para analizar la calidad y el grado de coherencia de los grupos obtenidos e identificar tendencias y temas relevantes en la información extraída.
dc.description.abstractenglish	At present, due to the large volume of data that is handled, it is important to use unsupervised monitoring methods that allow finding relationships between different topics and obtain valuable information on the discussions that are trending. This information has applications in different sectors of the industry, being vital in making strategic decisions. In this work, an analysis is made of a test database constituted through the social network Twitter, these data were collected over five months through the official Twitter page of the Industrial University of Santander. The Rstudio tool of the R programming language is used with which the data is preprocessed and the corpus is defined, in addition the elbow method is used and the metrics Griffits2004, CaoJuan2009, Arun2010 and Deveaud2014 are applied to define the initial parameters for the execution of the algorithms used. With this, an evaluation of two of the grouping methods, LDA and DBSCAN, is made, applying the silhouette coefficient to analyze the quality and degree of coherence of the groups obtained and identify relevant trends and themes in the information extracted.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Industrial
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/40194
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingenierías Fisicomecánicas
dc.publisher.program	Ingeniería Industrial
dc.publisher.school	Escuela de Estudios Industriales y Empresariales
dc.rights	http://creativecommons.org/licenses/by/4.0/
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc/4.0
dc.subject	aprendizaje automático
dc.subject	Twitter
dc.subject	Minería de texto
dc.subject	Agrupamiento
dc.subject	LDA
dc.subject	DBSCAN.
dc.subject.keyword	machine learning
dc.subject.keyword	Twitter
dc.subject.keyword	Data mining
dc.subject.keyword	Cluster
dc.subject.keyword	LDA
dc.subject.keyword	DBSCAN.
dc.title	Evaluación de métodos de agrupamiento dbscan y lda para el análisis de contenido de la red social Twitter
dc.title.english	Evaluation of DBSCAN and LDA clustering methods for content analysis of the social network Twitter*.
dc.type.coar	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversion	http://purl.org/coar/resource_type/c_7a1f
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type	Publication