Análisis de sentimiento en Twitter de las principales compañías del sector asegurador español
Objetos digitales
| Tag | 1 | 2 | Valor |
|---|---|---|---|
| LDR | 00000cam a22000004b 4500 | ||
| 001 | MAP20170039204 | ||
| 003 | MAP | ||
| 005 | 20171129173536.0 | ||
| 008 | 171129e20170000esp|||| ||| ||spa d | ||
| 040 | $aMAP$bspa$dMAP | ||
| 084 | $a20 | ||
| 100 | 1 | $0MAPA20170016359$aMartínez Martínez, Francisco José | |
| 245 | 0 | 0 | $aAnálisis de sentimiento en Twitter de las principales compañías del sector asegurador español$cFrancisco José Martínez Martínez |
| 260 | $aValencia$bFacultat d'Economia, Universitat de València$c2017 | ||
| 500 | $aTrabajo Fin de Master del Master en Ciencias Actuariales y Financieras de la Facultad de Economía de la Universidad de Valencia. Tutor: José A. Álvarez Jareño. Curso 2016-2017 | ||
| 520 | $aEn este trabajo, se realiza un análisis de sentimiento en Twitter de las principales compañías del sector asegurador español (PCSAE) mediante la utilización del software estadístico R y de léxicos de sentimiento. Obtener y comprender la gran cantidad de información gratuita que circula por Internet puede ser de gran interés para las empresas. Por ejemplo, en la red social Twitter circulan al día millones de opiniones sobre diversos temas, por lo que se decide utilizar esta red social para captar la opinión de los clientes sobre las PCSAE. En primer lugar se extraen los comentarios de Twitter, denominados tuits, para posteriormente prepararlos y limpiarlos para el análisis. Resulta clave la creación de un léxico específico para el sector asegurador (Lexiseg), cuya construcción se realiza partiendo de otros léxicos en castellano ya existentes y la agregación manual de palabras que mejoran los resultados de exactitud. Una vez disponemos de la base datos y del Lexiseg se procede al análisis de sentimiento, en el que podemos obtener diversos resultados para cada una de las PCSAE; polaridad, emociones, tópicos, etc. Finalmente se realiza un análisis y comparación de resultados entre las compañías y se abordan las principales conclusiones obtenidas en el trabajo | ||
| 650 | 4 | $0MAPA20080590567$aEmpresas de seguros | |
| 650 | 4 | $0MAPA20080570286$aRedes sociales | |
| 650 | 4 | $0MAPA20080590819$aEstudios de opinión | |
| 650 | 4 | $0MAPA20080608118$aProgramas informáticos | |
| 650 | 4 | $0MAPA20080608101$aProgramas estadísticos | |
| 650 | 4 | $0MAPA20170016366$aLéxicos | |
| 650 | 4 | $0MAPA20090027886$aLingüística computacional | |
| 651 | 1 | $0MAPA20080637736$aEspaña | |
| 700 | $0MAPA20100065204$aÁlvarez Jareño, José A. | ||
| 710 | 2 | $0MAPA20170016373$aUniversitat de València$bFacultat d'Economia | |
| 830 | 0 | $0MAPA20160014013$aTrabajos Fin de Master | |
| 856 | $qapplication/pdf$w1094945$yRecurso electrónico / Electronic resource |