Medellín - Minas - Maestría en Ingeniería - Analítica · 2024
Un método para resumen y clasificación de comentarios de tiendas de aplicaciones (IOs y Android) sobre Claro APP empleando técnicas de machine learning
En los últimos años, el análisis cualitativo de texto ha adquirido una importancia significativa, especialmente con el auge de técnicas de machine learning, en particular, el aprendizaje profundo. Este crecimiento se ha visto impulsado por la capacidad de procesamiento en tarjetas gráficas. Una fuente valiosa de información gratuita para este análisis son los comentarios de tiendas de aplicaciones, donde los usuarios comparten sus opiniones sobre aplicaciones y marcas. Sin embargo, estos comentarios presentan un desafío debido a su estructura poco compleja, lo que dificulta el rendimiento de algoritmos simples de aprendizaje automático. En este estudio, se abordó este desafío al buscar una forma simple pero confiable de extraer información de los comentarios en las tiendas de aplicaciones de Google y Mac, específicamente sobre la aplicación de Claro. El objetivo era obtener un resumen para cada comentario, identificando la idea central (como quejas de facturación) y el sentimiento expresado (positivo, negativo o neutro). Para lograr esto, se llevó a cabo una revisión sistemática de la literatura para identificar las mejores técnicas de resumen y análisis de sentimientos en comentarios. Se seleccionó Chat GPT como una alternativa viable y se implementó un código en Python que integraba funciones de resumen y análisis de sentimientos utilizando la API de Open AI y la versión Chat GPT 3.5 Turbo. Los resultados demostraron que esta alternativa es una herramienta eficaz, logrando una precisión del 96.00% en el resumen de texto y un 93.80% de exactitud en el análisis de sentimientos. Esto posiciona esta solución al mismo nivel que otras opciones reportadas, pero con ventajas significativas en términos de requisitos computacionales y mantenimiento. Esta primera iteración del estudio abre la posibilidad de explorar otras herramientas de grandes modelos de lenguaje (LLM) y evaluar su desempeño en tareas de análisis cuantitativo de la información contenida en los comentarios de las tiendas de aplicaciones. (Tomado de la fuente)
Texto completo 53 páginas con texto de 57
Leer la tesis completa Ficha en el repositorio
Contenido
- Introducciónp. 17
- Objetivo Generalp. 22
- Metodologíap. 22
- Alcances del trabajop. 23
- Identificación de los métodos usados en la literaturap. 26
- Marco Teóricop. 25
- Preguntas a resolverp. 27
- Método revisión bibliográficap. 28
- 2.3.1 Criterios de elegibilidadp. 28
- 2.3.2 Fuentes de informaciónp. 28
- 2.3.3 Métodos para disminución de sesgop. 29
- 2.3.4 Método de resumen de resultadop. 29
- 2.3.5 Cadena de búsquedap. 29
- Resultados de la revisión bibliográficap. 31
- 2.4.1 Estudios incluidos y excluidosp. 31
- 2.4.2 Síntesis de los resultadosp. 34
- Discusiónp. 37
- 2.5.1 Mejor modelo resumen de texto y análisis de sentimientosp. 38
- 2.5.2 Chat GPTp. 38
- 2.5.3 Discusión finalp. 39
- Desarrollo del modelop. 41
- Limitaciones de Chat GPTp. 41
- Exploración inicial de datosp. 42
- 3.2.1 Columnasp. 42
- 3.2.2 Cantidad de registrosp. 43
- Open AI APIp. 43
- Versión de Chat GPTp. 44
- Función de eliminación de caracteresp. 44
- Resumen de comentariosp. 44
- Análisis de sentimientosp. 30
- Elección de comentariosp. 45
- Primer código para cada modelop. 45
- Modelo propuestop. 46
- Síntesisp. 46
- Validación del modelop. 47
- Metodología proceso de validaciónp. 47
- Desempeño de los modelosp. 49
- 4.2.1 Resumen de textop. 29
- 4.2.2 Análisis de sentimientosp. 30
- Comparativap. 50
- Conclusiones y recomendacionesp. 51
- Conclusionesp. 51
- Recomendacionesp. 52
- Bibliografíap. 53
- red medida en zetabytes desde 2010 a 2025p. 18
- en para el año 2021p. 19
- que aparecen en Scopusp. 20
- sentimientos que aparecen en Scopusp. 21
- de datos para 3 distintas polaridadesp. 22
- Figura 2-1: Diagrama de flujo general para un proceso de resumen de textop. 26
- Figura 2-2: Diagrama de flujo general para un proceso de análisis de sentimientosp. 27
- Figura 2-3: Primera cadena de búsqueda usada en Scopus para resumenp. 30
- Figura 2-4: Cadena de búsqueda en Scopus refinada para resumenp. 30
- Figura 2-5: Primera cadena de búsqueda usada en Scopus para sentimientosp. 30
- Figura 2-6: Cadena de búsqueda en Scopus refinada para sentimientosp. 31
- Figura 3-1: Limites de uso para una cuenta gratuita de Chat GPTp. 41
- Figura 3-2: Cantidad de registros en las tablasp. 43
- Figura 3-3: Ejemplo de uso de la API de Open AIp. 43
- Figura 3-4: Esquema general del algoritmo propuestop. 46
- usadop. 48
- Resumen de actividades del proyectop. 23
- Síntesis de resultados para revisión de literatura de resumen de textop. 34
- Síntesis de resultados para revisión de literatura de resumen de textop. 34
- Métricas para estudios de resumen de textop. 49
- Métricas para estudios de análisis de sentimientosp. 49