Análisis del Sentimiento Político en Twitter durante las Elecciones Congresales 2020 en el Perú

In this TFM, research is carried out to the development of a system analysis of political sentiment regarding the congressional elections to 2020 in Peru. Sentiment analysis is part of data processing of natural language, having as objective, the processing texts. Once these texts are extracted, you can get out of them some feeling or emotion; they can be positive, negative or neutral. The appearance of social networks such as Twitter has been used by the artificial intelligence and Big data to processing information regarding tweets. The main objective in this system is to carry out a sentiment analysis of 2020 Congressional elections, with the technological tools that there are in the market and at the same time to solve problems and tasks within the sentiment analysis. In the first objective, the research was carried out about the actual tools in the market that solve the sentiment analysis problems, and to study the sentiment analysis task. The second objective is to extract the Twitter data from October 2019 to January 2020, using the name or keywords of the political party. The tweets needed to be on Spanish. We would use pre-processing techniques to clean the tweets. The models such as Naive Bayes, Support Vector Machine (SVM) and Convolutional Neural Networks (RNC) have been created and optimized using methods such as the Cross Industry Standard Process for Data Mining (CRISP-DM) to analyze the sentiment from those data at the document level. Here, we put into operation the classifier that has the best prediction to each one of the mentioned classes, using a set of corpus that are adjusted to this study. About the framework to the system development, it was implemented full stack architecture (MEAN), using Node to the back-end, MongoDB for the storage of tweets, and finally, a set of graphs have been used through Angular for each political party, in order to improve the understanding to the information extracted.En este TFM se efectúa la investigación para el desarrollo de un sistema en análisis de sentimiento político referente a las elecciones congresales del 2020 en Perú. El análisis de sentimiento es un área del procesamiento del lenguaje natural teniendo como objetivo el tratamiento de textos de los cuales se extrae un sentimiento u emoción, la cual puede ser positiva, negativa o neutral. El surgimiento de las redes sociales como Twitter ha sido aprovechada por la inteligencia artificial y el Big data para el tratamiento de información con respecto a los tuits. El objetivo principal de este sistema es realizar un análisis de sentimiento de las elecciones Congresales del 2020, con las herramientas tecnológicas actuales del mercado que, a su vez, solucionen problemas y tareas dentro del análisis de sentimiento. En el primer objetivo se realizó la investigación de las herramientas actuales en el mercado que solucionan el problema del análisis de sentimiento en este ámbito y un estudio acerca de las tareas del análisis de sentimiento. El segundo objetivo es extraer los datos de Twitter de octubre 2019 a enero 2020 usando las palabras clave del nombre del partido político y que el tuit sea en español, utilizando técnicas del preprocesamiento de datos para limpiar los tuits. Se han creado y optimizado modelos como Naive Bayes, Maquina vectores de soporte (SVM) y redes neuronales convolucionales (RNC) utilizando la metodología Cross Industry Standard Process for Data Mining (CRISP-DM) para analizar el sentimiento de dichos datos a nivel de documento, donde se puso en funcionamiento el clasificador que tuvo la mejor predicción de cada una de las clases mencionadas, utilizando un conjunto de corpus que se ajustan a este estudio. Sobre el marco del desarrollo del sistema, se implementó una arquitectura full stack (MEAN), utilizando Node para el back-end, MongoDB para el almacenamiento de los tuits, y finalmente, se han utilizado un conjunto de graficas por medio de Angular para cada partido político, con la finalidad de mejorar el entendimiento de la información extraíd