Modelización de algoritmos de Deep Learning en evaluar la respuesta emocional en redes sociales

Abstract

El trabajo realizado aborda la problemática de analizar las respuestas emocionales en las redes sociales mediante técnicas de aprendizaje automático. En los últimos años, las redes sociales se han convertido en una herramienta cada vez más utilizada en la sociedad, teniendo un impacto significativo en ella. Esto ha llevado a que los usuarios comenten más en los posts, generando una necesidad de comprender las emociones que estos posts despiertan en los usuarios. El objetivo de este Trabajo de Fin de Grado es llevar a cabo un estudio para analizar el impacto emocional de comentarios de Instagram y TikTok ante revelaciones de problemas de salud mental realizado por famosos. Se ha elegido estas dos redes sociales por ser dos de las más utilizadas entre los jóvenes. En primer lugar, se ha ampliado un corpus con el que se va a entrenar el modelo, etiquetando cada comentario con sus correspondientes polaridades y emociones. Posteriormente, los mensajes extraídos del corpus se procesan para eliminar información redundante y normalizar los datos. Luego, estos mensajes se pasan por un modelo de clasificación basado en Deep Learning, y se evalúa el rendimiento del modelo utilizando diferentes métricas de precisión. Este modelo se integra en una interfaz donde se puede cargar un archivo o introducir un texto por teclado, mostrando visualmente los resultados. Además, estos resultados pueden descargarse en un archivo para su futura interpretación.

The work carried out addresses the issue of analyzing emotional responses on social media using machine learning techniques. In recent years, social media has become an increasingly utilized tool in society, having a significant impact on it. This has led to users commenting more on posts, creating a need to understand the emotions these posts evoke in users. The objective of this Final Degree Project is to carry out a study to analyze the emotional impact of Instagram and TikTok comments in the face of revelations of mental health problems made by celebrities. These two social networks have been chosen because they are two of the most used among young people. First, the corpus used to train the model is analyzed, with each comment being tagged with its corresponding polarities and sentiments. Subsequently, the extracted messages are processed to remove redundant information and normalize the data. Then, these messages are passed through a Deep Learning-based classification model, and the model's performance is evaluated using different precision metrics. This model is integrated into an interface where a file can be uploaded or text can be entered via keyboard, visually displaying the results. Additionally, these results can be downloaded in a file for future interpretation.