Advertisement

Automatic Categorization of Tweets on the Political Electoral Theme Using Supervised Classification Algorithms

  • Oscar M. Cumbicus-PinedaEmail author
  • Pablo F. Ordoñez-Ordoñez
  • Lisset A. Neyra-Romero
  • Roberth Figueroa-Diaz
Conference paper
Part of the Communications in Computer and Information Science book series (CCIS, volume 895)

Abstract

The increase and use of social networks to share content and opinions with different characters allows to have a large volume of information. Twitter, is just one of the most used social networks and has been selected for this study; the users of this network they become not only passive actors of reception and consumption of information, they are also generators of contents. Tweets analysis requires a systematic process for collecting, processing and classification, which is why this article determines the best Classifier categories: positive, negative and neutral public opinion corresponding electoral political issues. For this, a total of 745 tweets collected in Spanish from the main accounts of media, political figures and political organizations of Ecuador. These tweets were preprocessed, transformed and the results indicated that the vector support machines (SMO) with a sensitivity error rate (RECALL) of 0.8% proved to be the best. Likewise, the algorithm Syntetic Minority Over-Sampling Technique was used (SMOTE) to balance classes and increase capacity predictive of the models excluding the decision trees for the categorization of this type of tweets.

Keywords

Supervised classification Categorization of tweets Algorithms SMOTE Twitter and politics 

References

  1. 1.
    Blanco-Hermida Sanz, E.-J.: Algoritmos de clustering y aprendizaje automático aplicados a twitter (2016)Google Scholar
  2. 2.
    Buill Vilches, J., Grau Sala, R., Vallbé, J.J.: Clasificación automática de textos y explotación bi (2014)Google Scholar
  3. 3.
    Calvo Vilares, D.: Análisis de contenidos en Twitter: clasificación demensajes e identificación de la tendencia política de los usuarios. B.S. thesis (2014)Google Scholar
  4. 4.
    Cámara, E.M., Cumbreras, M.Á.G., Valdivia, M.T.M., López, L.A.U.: Sinai en tass 2012. Procesamiento del lenguaje natural 50, 53–60 (2013)Google Scholar
  5. 5.
    CNE: Certificación ISO/TS 17582:2014 ISO 9001:2008 Objetivo y Desafío de la Institucionalidad Electoral. Consejo Nacional Electoral, 1st Edn. (2016)Google Scholar
  6. 6.
    Gálvez-Pérez, J.R., et al.: Sistema automático para la clasificación de la opinión pública generada en twitter. Res. Comput. Sci. 95, 23–36 (2015)Google Scholar
  7. 7.
    Godino Martínez, A.: Sistema de clasificación automática sobre streams de tweets. Master’s thesis (2014)Google Scholar
  8. 8.
    González Rubio, C.: Clasificación automática de texto para el seguimiento de campañas electorales en redes sociales. B.S. thesis (2015)Google Scholar
  9. 9.
    Lage García, L.: Herramienta para el análisis de la opinión en tweets periodísticos (2014)Google Scholar
  10. 10.
    Martis, M., Alfaro, R.: Clasificación automática de la intención del usuario en mensajes de twitter. In: I Workshop en procesamiento automatizado de textos y Corpora, Viña del Sausalito (2012)Google Scholar
  11. 11.
    Masías, V.H., Valle, M., Morselli, C., Crespo, F., Vargas, A., Laengle, S.: Modeling verdict outcomes using social network measures: the watergate and caviar network cases. PloS One 11(1) (2016)CrossRefGoogle Scholar
  12. 12.
    Neyra Romero, L.A.: Categorización automática de respuestas aplicando algoritmos de clasificación supervisada al análisis de las contestaciones de estudiantes a una serie de preguntas tipo test (2016)Google Scholar
  13. 13.
    Amaya de la Peña, I.: Presencia en twitter de los candidatos a las elecciones madrileñas de 2015 (2015)Google Scholar
  14. 14.
    Pla, F., Hurtado, L.F.: Elirf-upv en tass-2013: Análisis de sentimientos en twitter. In: XXIX Congreso de la Sociedad Española para el Procesamiento del Lenguaje Natural (SEPLN 2013), pp. 220–227. TASS(2013)Google Scholar
  15. 15.
    Sánchez, M.M., Damas, S.H.: Cómo puede contribuir twitter a una comunicación política más avanzada. Arbor 191(774), 257 (2015)CrossRefGoogle Scholar

Copyright information

© Springer Nature Switzerland AG 2019

Authors and Affiliations

  1. 1.Facultad de Energía, CISUniversidad Nacional de LojaLojaEcuador
  2. 2.ETSI Sistemas InformáticosUniversidad Politécnica de MadridMadridSpain
  3. 3.Departamento de Ciencias de la Computación y ElectrónicaUniversidad Técnica Particular de LojaLojaEcuador
  4. 4.Departamento de Ciencias de la Computación e Inteligencia ArtificialUniversidad del País VascoLeioaSpain

Personalised recommendations