Análisis de Sentimiento en Twitter hacia las Vacunas COVID-19 en Filipinas Usando Naïve Bayes
Autores: Villavicencio, Charlyn; Macrohon, Julio Jerison; Inbaraj, X. Alphonse; Jeng, Jyh-Horng; Hsieh, Jer-Guang
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Análisis de Sentimiento en Twitter hacia las Vacunas COVID-19 en Filipinas Usando Naïve Bayes
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Pandemia
Filipinas
Vacunas
COVID-19
Análisis de sentimientos
Twitter
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Un año después del inicio de la pandemia de COVID-19 y uno de los confinamientos más largos registrados en el mundo, Filipinas recibió su primera entrega de vacunas contra el COVID-19 el 1 de marzo de 2021 a través de la iniciativa COVAX de la OMS. Un mes después de la inoculación de todos los profesionales de la salud en primera línea y otros grupos prioritarios, los autores de este estudio recopilaron datos sobre el sentimiento de los filipinos respecto a los esfuerzos del gobierno filipino utilizando la red social Twitter. Se aplicaron técnicas de procesamiento de lenguaje natural para entender el sentimiento general, lo que puede ayudar al gobierno a analizar su respuesta. Los sentimientos fueron anotados y entrenados utilizando el modelo Naïve Bayes para clasificar los tweets en inglés y filipino en polaridades positivas, neutrales y negativas a través del software de ciencia de datos RapidMiner. Los resultados arrojaron una precisión del 81.77%, que supera la precisión de estudios recientes de análisis de sentimientos utilizando datos de Twitter de Filipinas.
Descripción
Un año después del inicio de la pandemia de COVID-19 y uno de los confinamientos más largos registrados en el mundo, Filipinas recibió su primera entrega de vacunas contra el COVID-19 el 1 de marzo de 2021 a través de la iniciativa COVAX de la OMS. Un mes después de la inoculación de todos los profesionales de la salud en primera línea y otros grupos prioritarios, los autores de este estudio recopilaron datos sobre el sentimiento de los filipinos respecto a los esfuerzos del gobierno filipino utilizando la red social Twitter. Se aplicaron técnicas de procesamiento de lenguaje natural para entender el sentimiento general, lo que puede ayudar al gobierno a analizar su respuesta. Los sentimientos fueron anotados y entrenados utilizando el modelo Naïve Bayes para clasificar los tweets en inglés y filipino en polaridades positivas, neutrales y negativas a través del software de ciencia de datos RapidMiner. Los resultados arrojaron una precisión del 81.77%, que supera la precisión de estudios recientes de análisis de sentimientos utilizando datos de Twitter de Filipinas.