SSYSPE

Platform to share knowledge, news, discussions and jobs about software, systems and IT fields related
* Identificarse    * Registrarse


Nuevo tema Responder al tema  [ 2 mensajes ] 
Autor Mensaje
NotaPublicado: 16 Nov 2017, 22:53 
Desconectado
Avatar de Usuario

Registrado: 12 Abr 2017, 14:46
Mensajes: 7
Problemática:
Actualmente las empresas buscan promocionar sus productos por todos los medios existentes siendo uno de los más recientes vía redes sociales para lo cual contratan Community Managers y personal que trabajará en el contenido y además analizará la actividad para indicar la aceptación de sus productos y/o empresa, sin embargo esta función se hace tediosa al tener que analizar un gran conjunto de comentarios y hay que considerar también que una parte de estos expresan sarcasmo, contradicción o simplemente no tienen sentido con el tema que se está exponiendo por lo que deberían ser filtrados para que no altere la toma de decisiones sobre seguir invirtiendo, cambiar de estrategias promocionales, cuidar la imagen de la empresa, entre otros.

Problema General
¿Cómo facilitar la detección de los clientes potenciales en los comentarios de una publicación de un producto en la red social Facebook?

Justificación
Durante la APEC 2016, el vicepresidente para América Latina de Facebook, Diego Dzodan, detalló que el 55% de los peruanos accede a la famosa red social todos los meses del año, lo que convierte a la plataforma en una gran oportunidad para el desarrollo de las empresas. Otro dato relevante es que el 68% de peruanos en Facebook están conectados con al menos a una pyme, es decir, le dieron “un like” o “comentaron” en la página de Facebook de estos emprendimientos.
Con estas cifras, no es difícil deducir que el alcance de los anunciantes de Facebook es vasto. De hecho, durante el último 'Black Friday', la red social registró un incremento del 29% de interacciones peruanas relacionadas a esta fecha desde sus móviles. Estas interacciones, además, fueron lideradas por millennials (36% de las personas de 18 a 24 años) y mujeres (52% del total).
Esto representa una gran oportunidad para las empresas de poder captar clientes potenciales mediante el uso de redes sociales y además saber que opinan sobre sus productos e imagen como organización.
El revisar manualmente cada uno de los comentarios llevaría demasiado tiempo y requiere que el personal clasifique los que realmente son valiosos sin considerar que hacer un análisis en periodos largos seria tedioso. Aunque se tenga una herramienta de Analytics esta generalmente no llega al nivel de detalle de filtrar los comentarios que no son relevantes.
Es por tal motivo que el trabajo a realizar permitirá determinar a tiempo las percepciones del cliente (filtrando antes los comentarios que no generan valor) para anticipar escenarios favorables o desfavorables para la empresa en la red social Facebook, y en el mejor de los escenarios aumentar las utilidades al tomar mejores decisiones.

Antecedentes
TESIS: Análisis automático de opiniones de productos en redes sociales. (Librado, 2016)
Uno de los antecedentes del estudio es el realizado en el instituto politécnico en computación de México donde el Lic. Hugo Librado Jacobo presenta un análisis de las opiniones sobre productos en redes sociales con el objetivo de desarrollar una aplicación de software capaz de analizar textos cortos del idioma español y determinar la polaridad de cada documento. El trabajo aporto una metodología para la selección de características y el establecimiento de pesos a cada término, ya que la mayoría considera a las palabras como unipolares, es decir, que solo aportan información hacia una dirección (positiva o negativa), en diferentes intensidades y generalmente es invertida cuando se topan con una negación.

TESIS: Estudio sobre el impacto de las emociones análisis de la polaridad en textos con lenguaje figurado en Twitter. (Escortell, 2017)
Otro antecedente importante es el de Amparo Escortell Pérez y Maite Gimémez Fayos de la Universidad Politécnica de Valencia que realizaron un estudio sobre el impacto de las emociones análisis de la polaridad en textos con lenguaje figurado en Twitter que tuvo como conclusión que la inclusión de información relativa a las emociones ayuda a clasificar correctamente la polaridad tanto a nivel global como a nivel del lenguaje figurado o literal. Cabe señalar que al incluir las emociones de un recurso léxico al análisis, no solo se consideran las categorías “positivas” y “negativas” lo que mejora el comportamiento de los modelos que ayudan a categorizar los comentarios.

PAPER: Real Time Sentiment Analysis of Twitter Data Using Hadoop (Sunil B. Mane, Yashwant Sawant, Saif Kazi, Vaibhav Shinde, 2014)
Este trabajo aporto en el aspecto conceptual de cómo abordar el contenido de los comentarios de la red social Twitter (Máx. 140 caracteres) con la finalidad de facilitar su procesamiento. Plantea tres filtros previos sencillos pero a la vez útiles para obtener datos que puedan ser posteriormente procesados e identificar su polaridad. El primer punto hace referencia a la eliminación de palabras u espacios innecesarios en los comentarios, generalmente artículos mal utilizados. El segundo punto es traducir abreviaciones u expresiones a palabras que realmente aporten un valor al análisis, por ejemplo, “Felicitaciooneesss” traducirlo a “Felicitaciones” o en el caso de “ntp” traducirlo a “no te preocupes” en función al contexto en el que fue escrito. El tercer punto hace alusión al trabajo que se debe realizar para interpretar los emoticones que son muy usados en estos medios; por ejemplo, “:)“ traducirlo en “Felicidad” según el contexto en el que sea utilizado. Otro aporte valioso de este paper son los resultados que obtuvieron al analizar la polaridad de dataset estándar de comentarios en Twitter que mostraron un porcentaje mayor al 68% de aciertos, lo que hace alentador el trabajo.

Grandes pasos a realizar
Imagen

Logros actuales del trabajo
He logrado realizar la conectividad con el API Graph para extraer toda la información relacionada a las publicaciones realizadas en una página de Facebook, la limpieza de los comentarios que se descargan (No estoy considerando emoticones en esta etapa inicial) y determinar la polaridad (positiva, negativa) de estos. El trabajo que se debe realizar ahora es la creación de un diccionario en español para tener mayor precisión, considerar los emoticones y analizar los sentimientos dentro de los comentarios.

Retos
No existe actualmente un diccionario en español elaborado por alguna institución academica para el analisis de sentimiento, la mayoria de trabajos realizan una traducción de los diccionarios en ingles elaborados por universidades de EE.UU.
Si bien el análisis de sentimientos en Facebook ya ha sido realizado con anterioridad aun no se tiene un cuerpo de conocimiento amplio como el realizado en la red social Twitter.


Arriba
 Perfil  
 
NotaPublicado: 16 Nov 2017, 23:12 
Desconectado
Avatar de Usuario

Registrado: 12 Abr 2017, 14:46
Mensajes: 7
PASO 1: Registrando de una aplicación con Facebook
Si ya se tiene una cuenta en Facebook, vaya a FacebookDevepoler y regístrese a partir de esa cuenta. Siguiendo la guía paso a paso que te presentan en:
https://developers.facebook.com/docs/apps/register/#developer-account

Imagen

Una vez que se terminen los pasos que se indican, será necesario loguear el usuario registrado.
Para registrar una aplicación en FacebookDeveloper hacer clic en la parte superior derecha de la página donde dice “Mis aplicaciones” para ir al dashboard de la aplicación.

Imagen

Imagen

Clic en “Agregar una nueva aplicación”. Aparecerá la siguiente ventana emergente, donde tendremos que asignar un nombre y colocar nuestro correo. Por ultimo clic en “Crear identificador de la aplicación”.

Imagen

Imagen

Nos apareció la aplicación creada, damos clic en ella y nos aparecerá información sobre la versión del API, su identificador y la clave secreta de la aplicación. Clic en “Elegir plataforma” y seleccionar la opción Sitio web. Y colocar: Site URL on Facebook App Settings: http://localhost:1410

Imagen

Imagen

Site URL on Facebook App Settings: http://localhost:1410

PASO 2: Conexión de Facebook con R
Primero instalamos los paquetes “devtools” y “Rfacebook” de github para eso tendemos que abrir el programa R e ingresar las siguientes instrucciones.

install.packages("devtools")
library(devtools)
install_github(“Rfacebook”, “pablobarbera”, subdir=”Rfacebook”)
require(Rfacebook)

Una vez que fueron instalados ambos paquetes satisfactoriamente, ingresaremos los datos de app_id y app_secret obtenidos en la sección anterior donde se hizo la creación de la aplicación en la página “Facebook for Developers”. Los valores ingresados en la instrucción son de ejemplo, debe colocarse los indicados.
require(Rfacebook)
fb_oauth <- fbOAuth(app_id="123456789", app_secret="1A2B3C4D",extended_permissions = TRUE)

Una vez ingresado la instrucción aparecerá el mensaje “Copy and paste into Site URL on Facebook App Settings: http://localhost:1410/.
When done, press any key to continue…

Le das enter y si todo fue realizado correctamente indicara el mensaje “Authentication complete. Please close this page and return to R” en el navegador. Mientras que en la consola R aparecerá el mensaje:
“Authentication complete. Authentication successful.”

Puedes guardar fb_oauth y usarlo la siguiente vez con ayuda de los comandos.
save(fb_oauth, file=”fb_oauth”)
load(“fb_oauth”)


Arriba
 Perfil  
 
Mostrar mensajes previos:  Ordenar por  
Nuevo tema Responder al tema  [ 2 mensajes ] 


¿Quién está conectado?

Usuarios navegando por este Foro: No hay usuarios registrados visitando el Foro y 1 invitado


No puedes abrir nuevos temas en este Foro
No puedes responder a temas en este Foro
No puedes editar tus mensajes en este Foro
No puedes borrar tus mensajes en este Foro
No puedes enviar adjuntos en este Foro

Buscar: