Modelo para la predicción de tendencias en redes sociales basado en LSTM en contextos generales

Ponente(s): Reyna Guadalupe Palacios Cuevas, Dr. Tomás Pérez Becerra

Este trabajo se enfoca en el análisis de tendencias de mensajes en Facebook y Twitter utilizando una combinación de: redes neuronales recurrentes (RNN, por sus siglas en inglés), vectorización textual y modelos de clusterización. Las RNN están diseñadas para procesar secuencias de datos, lo que las hace especialmente adecuadas para el análisis de series temporales y datos textuales, entrenadas con datos resultantes del proceso de vectorización textual y procesadas por modelos de clusterización, ya que de esta manera el mensaje se divide en una cantidad enorme de vectores binarios. A través de esta metodología, buscamos identificar patrones y tendencias emergentes en los mensajes publicados en las plataformas mencionadas. Estas técnicas se enmarcan dentro del área de procesamiento del lenguaje natural (NLP) y aprendizaje profundo. Los resultados impactarán de forma positiva en el seguimiento de cambios en la opinión pública y la detección de eventos virales.