Abstracto

Predicción de elecciones mediante el análisis de sentimientos de Twitter

Rashiduzzaman Prodhani, Atowar Ul Islam y Luit Das

El análisis de sentimientos es el estudio computacional de opiniones, sentimientos, evaluaciones, actitudes, puntos de vista y emociones expresados ??en texto. Se refiere a un problema de clasificación donde el enfoque principal es predecir la polaridad de las palabras y luego clasificarlas en sentimientos positivos o negativos. El análisis de sentimientos en Twitter ofrece a las personas una forma rápida y efectiva de medir los sentimientos del público hacia su partido y políticos. Los problemas principales en las técnicas de análisis de sentimientos anteriores son la precisión de la clasificación, ya que clasifican incorrectamente la mayoría de los tweets con el sesgo hacia los datos de entrenamiento. Entonces recopilé datos en vivo para predecir el resultado electoral preciso. Twitter es un lugar donde los usuarios publican actualizaciones rápidas y en tiempo real sobre diferentes actividades o eventos a medida que la difusión de información y noticias es lo suficientemente rápida. Usamos la biblioteca de Python "Tweepy" para acceder a la API de Twitter y obtuvimos datos en vivo de Twitter. Se obtuvieron más de 2000 tweets para cada candidato de partido político mediante el uso de palabras clave. Utilizando la biblioteca “TextBlob” de Python, se aplican sentimientos a cada tuit y, dependiendo de los tuits más positivos para un candidato en particular, podemos visualizar una predicción. Se utilizan algoritmos de clasificación de texto como Naive Bayes, Support Vector Machine (SVM) y Random Forest para entrenar el modelo utilizando datos etiquetados. Se calcula la precisión del resultado previsto y, finalmente, se declara el resultado; el resultado se representa en forma de gráfico circular o gráfico de barras para cada candidato político que representa sentimientos positivos, negativos y neutrales.

Redes sociales; Twitter; Política; Análisis de sentimientos; Bayes ingenuo; Máquina de vectores de soporte; Positivo; Negativo; Neutral