PORTADA

PORTADA

ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ

“MANUEL FÉLIX LÓPEZ”

CARRERA DE COMPUTACIÓN

SEMESTRE: SÉPTIMO PERÍODO: SEP/MAR-2020

TRABAJO GRUPAL

TEMA:
ANÁLISIS DE TEXTO EN REDES SOCIALES

AUTORES:
SILVIO E. ALCÍVAR ZAMBRANO
FASUTO D. LOOR CAMPUES
JORGE R. LOAYZA ZAMBRANO

FACILITADOR:
ING. JAVIER LÓPEZ

CALCETA, FEBRERO 2020

 2

1. INTRODUCCIÓN

Según Gálvez Arias, Guzmán Ramos, Chipana Villa, Trigoso Valeriano, & Alberto
(1995) explotar y analizar el contenido de las redes sociales ha causado interés en
los investigadores como en las mismas compañías y por ello se han desarrollado
técnicas de análisis que permiten conocer a grandes rasgos la satisfacción y la
opinión de los clientes con respecto a determinado tema, este tipo de estudio se le
conoce como “Opinion Mining”.

El análisis de comentarios u opiniones es una herramienta que cada día se ve más

utilizada por profesionales de la investigación de mercados ya que ellos conocen sus
limitaciones, potencialidades y sus puntos críticos; gracias a esto, las empresas tienen
una inmediata disponibilidad de la información deseada, por ello es que se desarrollan
algoritmos de Machine Learning con la capacidad de procesar grandes cantidades de
datos sacando conclusiones además de predecir comportamientos futuros y
detectando patrones de comportamiento.

Las compañías utilizan algoritmos de minería de datos e inteligencia artificial para

analizar las publicaciones de los usuarios y las interacciones con otras ubicaciones
para conocer los gustos y sus aficiones. Con toda esta información, los algoritmos
que controlan las redes sociales se encargan de mostrar las publicaciones que más
pueden interesar a cada usuario y conseguir así su atención para continuar utilizando
el servicio. Además, aprovechan para venderlos a los anunciantes que desean hacer
llegar su producto a un público muy concreto(Piñon Ferrer, 2018).
 3

2. DESARROLLO

2.1 DESCRIPCIÓN DE LA APLICACIÓN

La aplicación de análisis de sentimiento o minería de opinión es el proceso de

determinar el tono emocional de una serie de palabras en menciones online, es un
término muy discutido pero que muy a menudo es incomprendido, básicamente se lo
usa para tratar de entender las actitudes, opiniones y emociones expresadas en un
comentario o en un conjunto de palabas.

La aplicación de análisis de sentimiento es útil al momento de la monitorización de las

redes sociales porque nos permite conocer más de cerca la opinión general de las
personas en referencia a un tema en específico.

2.2 REQUERIMIENTOS

 Una laptop

 Usuario como desarrollador de Twitter

 Tener acceso a la API de twitter

 Lenguaje Python o Google Colaboraty

 4

2.3 LIBRERIAS A EMPLEARSE

Las librerías a emplearse en el entorno gratuito de Jupiter Notebook alojado en

Colaboratory fueron las siguientes:

 import tweepy
 from time import sleep
 from datetime import datetime
 from textblob import TextBlob
 import matplotlib.pyplot as plt
 %matplotlib inline

La librería tweepy es la que nos dará acceso a la API mientras que la librería time es
para utilizar la hora, adelante veremos donde la utilizamos, textblob y matplotlib la
utilizaremos para el análisis de los tweets.
 5

2.4 CODIFICACIÓN

Primeramente, se importan las librerías que se utilizaran para el desarrollo de la

aplicación de análisis de sentimientos las cuales se detallan a continuación de las
relevantes tweepy que es la biblioteca de Python para acceder a la API de Twitter,
TextBlob y matplotlib son librerías para el análisis del texto.

Luego se definen las variables para el acceso al API de twitter con las cuales se
usarán para autentificarse

Imprime el nombre del usuario que se ha logeado dentro y con la que se puede
acceder a la API
 6

Aquí ingresamos las palabras que deseamos buscar en el banco de tweets

Aquí insertamos las cantidades de tweets que deseamos analizar

Aquí elegimos el lenguaje en el que deseamos realizar la búsqueda de tweets que se

nos da a elegir entre el español y el inglés.

La siguiente función es la de obtener tweets se recorre con un for todos los tweets
con los parámetros de la palabra, la cantidad de tweets y el lenguaje en el que quiere
buscarlo de todo estoy con la ayuda de la API, una vez dentro con la librería de
textblob se le asignará el banco de palabras a análisis que luego en su parte
sentimientos le asigna a análisis y en su pate popularidad se le asigna a la variable
popularidad luego se le va llenado la lista de popularidad y de la misma manera se
llena la lista de números y al final se incrementa en 1 para avanzar en la lista y que
no se convierta en un bucle infinito.
 7

Luego en la función graficar se toma los números y la popularidad, a continuación, se

determina el tamaño de gráfico, sacar el promedio de la popularidad, definir el formato
de la hora, delimitar el tamaño del recuadro donde mostraremos el promedio del
sentimiento, la hora y la fecha además de cambiar el contorno y el fondo del recuadro
y al final mostramos los ejes con sus respectivos nombres.
 8

Ahora de la función de obtener tweets que tenía como parámetro la palabra a buscar
el número de tweets a buscar y en que lenguaje buscar se va a recuperar y asignarlo
a la lista de número y a la lista de popularidad.

Por último, utilizamos la función de graficar datos donde le pasaremos los datos
coleccionados en la lista de números y la lista de popularidad además de los
componentes como el promedio de sentimientos la hora y la fecha en que se ejecuta
la función para graficar todos estos resultados.

Como podemos ver aquí no hay sesgo definido más bien hay gente que piensa a favor
de la prueba ser bachiller muestra que hay otro grupo de gente que piensa lo contrario
es por aquello que vemos un gráfico parejo.
 9

3. BIBLIOGRAFÍAS

Gálvez Arias, P. X., Guzmán Ramos, P. J., Chipana Villa, L. A., Trigoso Valeriano, C.,
& Alberto. (1995). Análisis de publicaciones en redes sociales para empresas
utilizando inteligencia artificial. PERSPECTIV@S. Revista de Tecnología e
Información, 15(15), 45–50. Retrieved from
http://revistas.uigv.edu.pe/index.php/perspectiva/article/view/592

Piñon Ferrer, L. (2018). Minería de datos aplicada a Twitter y análisis de sentimientos

mediante algoritmos de inteligencia artificial. España. Retrieved from
http://repositori.uji.es/xmlui/bitstream/handle/10234/177643/TFG_Piñón Ferrer%2C
Luis.pdf?sequence=1&isAllowed=y