Análisis de los procesos de tratamiento de información en un estudio de análisis de sentimiento utilizando la tecnología de Google

Contenido principal del artículo

Ángel Quintana Gómez

Resumen

En los últimos años el Big Data se abre camino entre las principales herramientas de análisis de mercado, vinculándose a las técnicas de Machine Learning con el fin de aprender sobre los datos que se posee. Una de las áreas de mayor crecimiento es el Procesamiento de Lenguaje Natural que proporciona al investigador datos sobre estructuras y significados de texto. Con el fin de profundizar en esta área, Google ha creado la API Natural Language, permitiendo a los investigadores trabajar con distintos aspectos de las funciones del lenguaje entre ellas el análisis de sentimiento, proporcionando información sobre la opinión emocional predominante de un contenido seleccionado previamente y permitiendo obtener un score que analiza la valencia de las emociones con valores dicotómicos. El objeto de este estudio es analizar los distintos procesos que un investigador tiene que utilizar para obtener información útil para sus investigaciones. Desde la extracción de información, hasta la obtención de datos que ayuden al investigador a obtener conclusiones, se desarrolla un largo proceso del tratamiento de la información. El estudio nos mostrará como las diversas herramientas de las que dispone Google en su plataforma Google Cloud Platform, aportan a un investigador el apoyo necesario para el desarrollo de su trabajo, una vez que ya se cuenta con la información a analizar. Además, se complementará con herramientas de rastreo para la extracción del texto que se desea, en función de donde se encuentre esta.

Detalles del artículo

Cómo citar
Quintana Gómez, Ángel. (2021). Análisis de los procesos de tratamiento de información en un estudio de análisis de sentimiento utilizando la tecnología de Google. Vivat Academia, 154, 41-55. https://doi.org/10.15178/va.2021.154.e1336
Sección
Nuevos Retos en Neuromarketing y Comunicación en el Ámbito Acad. y Empresarial
Biografía del autor/a

Ángel Quintana Gómez, Universidad del Atlántico Medio

Licenciado en Ciencias de la Información, rama de Publicidad, Relaciones Públicas por la Universidad Complutense de Madrid. Doctor en Comunicación Audiovisual, Publicidad y Relaciones Públicas.  En la actualidad, es profesor en el Grado de Comunicación en la Universidad del Atlántico Medio en Gran Canaria, donde también imparte asignaturas en el Título Superior de Marketing y Negocios Digitales. Director del Máster en Comunicación, Publicidad y Marketing de Gran Canaria y Tenerife que imparte dicha Universidad. 

Citas

Agavanakis, K. N., Karpetas., G. E., Taylor. M., Pappa, E., Michail, C. M., Filos, J., Trachana, V., & Kontopoulou, L. (2019). Practical machine learning based on cloud computing resources. AIP Conference Proceedings, 2123. https://doi.org/10.1063/1.5117023

Alcover de la Hera, C. M. (2008). Neurociencia social: hacia la integración de las explicaciones sociales y biológicas de la conducta social. Método, teoría e investigación en Psicología social. 187-214. Pearson Educación.

Boubela, R. N., Kalcher, K., Huf, W., Našel, C., & Moser, E. (2016). Big Data Approaches for the Analysis of Large-Scale fMRI Data Using Apache Spark and GPU Processing: A Demonstration on Resting-State fMRI Data from the Human Connectome Project. Frontiers in Neuroscience, 9(JAN), 492. https://doi.org/10.3389/fnins.2015.00492

Challita, S., Zalila, F., Gourdin, C., & Merle, P. (2018). A precise model for Google cloud platform. Proceedings - 2018 IEEE International Conference on Cloud Engineering, IC2E 2018, 177–183. https://doi.org/10.1109/IC2E.2018.00041

Eklund, A., Andersson, M., & Knutsson, H. (2012). FMRI analysis on the GPU-Possibilities and challenges. Computer Methods and Programs in Biomedicine, 105(2), 145–161. https://doi.org/10.1016/j.cmpb.2011.07.007

Harmon-Jones, E., & Beer Jennifer. (2009). Methods in Social Neuroscience. The Guilford Press.

Liu, X., Hao, L., & Yang, W. (2019). Bigeo: A foundational PaaS framework for efficient storage, visualization, management, analysis, service, and migration of geospatial big data—a case study of Sichuan province, China. ISPRS International Journal of Geo-Information, 8(10). https://doi.org/10.3390/ijgi8100449

Mart, E., Mart, M. T., y Ure, L. A. (2014). Desafíos del Análisis de Sentimientos. October. V Jornadas TIMM. 61–63.

Martínez Herrador, J. L., Núñez Cansado, M., y Valdunquillo Carlón, M. I. (2020). Metodología de neuromarketing: medición de Sociograph aplicada al análisis de la narrativa audiovisual erótica y sus aplicaciones a la estrategia de mercadotecnia. Vivat Academia. 131–153. https://doi.org/10.15178/va.2020.150.131-153

Poggi, N., Berral, J. L., Fenech, T., Carrera, D., Blakeley, J., Minhas, F., & Vujic, N. (2016). The state of SQL-on-Hadoop in the Cloud. 4th IEEE International Conference on Big Data (Big Data), 1432–1443. https://doi.org/10.1109/BigData.2016.7840751

Quintana, Á. (2019). Contrastando herramientas del Proceso del Lenguaje Natural con encuestas. La nueva comunicación del siglo XXI. Pirámide

Singh, J., Gill, R., & Goyal, G. (2019). Extracting and understanding user sentiments for big data analytics in big business brands. In Big Data Recommender Systems - Volume 2: Application Paradigms. Institution of Engineering and Technology. 235-257. Institution of Engineering and Technology.

Yuhanna, N. (2020). The Forrester WaveTM: Data Management For Analytics, Q1 2020 The 14 Providers That Matter Most And How They Stack Up Key Takeaways. The Forrester https://reprints.forrester.com/#/assets/2/157/RES157286/reports