Análisis de sentimiento en Twitter. Reputación de las principales aerolíneas europeas tras la crisis sanitaria del covid-19
Author
Date
Subject
Publisher
Abstract
Trabajo de Máster en Economía, Finanzas y Computación. Tutores: Dr. D. Juan Diego Borrero Sánchez ; Dr. D. Gonzalo Antonio Aranda Corral. El objetivo de esta tesis es analizar el impacto que ha tenido la crisis sanitaria provocada por la covid-19 en la reputación de las principales aerolíneas europeas. Esta reputación se ha elaborado en base a los comentarios que dejan los usuarios en Twitter hacia estas aerolíneas, para lo cual, se hizo un análisis de sentimiento de estos comentarios haciendo uso de Python y R, y se procesó de la siguiente manera. Primero se realizó la extracción de tuits con Python y fue cargado en R para una limpieza del texto, creación del corpus y análisis de palabras más frecuentes. Luego se procede con el análisis de sentimiento, en el cual se realiza; clasificación del sentimiento del tuit en 10 emociones distintas, polaridad de las palabras, puntuación general de cada uno de los tuits y puntuación general (reputación) de la aerolínea. Finalmente, se hace un breve análisis de la variación de la reputación de las aerolíneas tras un periodo de un mes, se realiza una comparación de resultados generales y se abordan las principales conclusiones obtenidas.
Trabajo de Máster en Economía, Finanzas y Computación. Tutores: Dr. D. Juan Diego Borrero Sánchez ; Dr. D. Gonzalo Antonio Aranda Corral. El objetivo de esta tesis es analizar el impacto que ha tenido la crisis sanitaria provocada por la covid-19 en la reputación de las principales aerolíneas europeas. Esta reputación se ha elaborado en base a los comentarios que dejan los usuarios en Twitter hacia estas aerolíneas, para lo cual, se hizo un análisis de sentimiento de estos comentarios haciendo uso de Python y R, y se procesó de la siguiente manera. Primero se realizó la extracción de tuits con Python y fue cargado en R para una limpieza del texto, creación del corpus y análisis de palabras más frecuentes. Luego se procede con el análisis de sentimiento, en el cual se realiza; clasificación del sentimiento del tuit en 10 emociones distintas, polaridad de las palabras, puntuación general de cada uno de los tuits y puntuación general (reputación) de la aerolínea. Finalmente, se hace un breve análisis de la variación de la reputación de las aerolíneas tras un periodo de un mes, se realiza una comparación de resultados generales y se abordan las principales conclusiones obtenidas.