Mostrar el registro sencillo del ítem
Análisis de sentimiento en Twitter. Reputación de las principales aerolíneas europeas tras la crisis sanitaria del covid-19
dc.contributor.author | Amigo Portilla, Adrián | |
dc.date.accessioned | 2021-05-06T07:23:46Z | |
dc.date.available | 2021-05-06T07:23:46Z | |
dc.date.issued | 2020 | |
dc.identifier.uri | http://hdl.handle.net/10334/5915 | |
dc.description | 75 páginas. | es |
dc.description.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. | es |
dc.description.abstract | The aim of this thesis is to analyse the impact of the health crisis caused by covid-19 on the reputation of the main European airlines. This reputation has been elaborated based on the comments that users leave on Twitter towards these airlines. To achieve this, a sentimental analysis of these comments has been made using Python and R, and was processed as follows. First, tweets have been extracted with Python and loaded in R for a cleaning process, creation of the corpus and analysis of the most frequent words. Then we proceeded with the sentiment analysis, in which we performed; classification of the tweet's sentiment in 10 different emotions, polarity of the words, general tweets score and general score (reputation) of the airline. Finally, a brief analysis is made of the variation in the airline's reputation after a period of one month, a comparison of overall results is made and the main conclusions obtained are discussed. | en |
dc.language.iso | spa | es |
dc.publisher | Universidad Internacional de Andalucía | es |
dc.relation.ispartofseries | Máster en Economía, Finanzas y Computación | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Crisis sanitarias | es |
dc.subject | COVID-19 | es |
dc.subject | Aerolíneas | es |
dc.subject | es | |
dc.subject | Análisis de sentimiento | es |
dc.subject | Europa | es |
dc.title | Análisis de sentimiento en Twitter. Reputación de las principales aerolíneas europeas tras la crisis sanitaria del covid-19 | es |
dc.type | masterThesis | es |
dc.rights.accessRights | openAccess | es |