198
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN Nº 2708-0935
RECIBIDO 25/02/2023 ● ACEPTADO 23/03/2023 ● PUBLICADO 30/03/2023
RESUMEN
Actualmente existe una gran cantidad de información circula a través de las redes sociales, esta
no siempre tiende a ser verídica y tratándose de desastres naturales su falsedad podría llegar a
tener bastantes consecuencias como histeria colectiva en la población. Para evitar esto se propuso
un análisis eficiente para la comprobación de tweets con información falsa utilizando algoritmos
de procesamiento de lenguaje natural.
Palabras claves:
Desastres naturales,NLP , sentimientos, Twitter.
ABSTRACT
Currently there is a large amount of information circulating through social networks, this does
not always tend to be true and in the case of natural disasters its falsity could have quite
consequences such as mass hysteria in the population. To avoid this, an ef icient analysis was
proposed to check tweets with false information using natural language processing algorithms.
Keywords:
Feelings, natural disasters, NLP, Twitter.
INTRODUCCIÓN
Las plataformas de redes sociales como Facebook y Twitter se han convertido en herramientas
de comunicación predominantes en la sociedad moderna. Estas plataformas proporcionan un
ARK: ark:/42411/s11/a88
PURL: 42411/s11/a88
quispecah@unsa.edu.pe
https://orcid.org/0000-0001-5584-1593
Patrik Renee Quenta Nina
Universidad Nacional de San Agustín.
Arequipa, Perú.
pquenta@unsa.edu.pe
https://orcid.org/0000-0002-6184-1378
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN Nº 2708-0935
mecanismo para recopilar datos dinámicos sobre el comportamiento y el sentimiento humanos
[1]. Estudios recientes consideran el uso de las redes sociales durante los desastres naturales,
estudiando principalmente el estado de ánimo de la población o las diversas reacciones del público
durante un incidente específico [1]. Sin embargo es posible captar datos incorrectos debido a que
las personas generan percepciones erróneas sobre los peligros y que su conciencia situacional
general se vea equivocada también cuando se exponen a información falsa o engañosa [1].
Debido al creciente uso de las redes sociales, la vulnerabilidad de las personas a los rumores
falsos está determinada cada vez más por nuevas formas de verificación colectiva de los hechos
y de dar sentido a los riesgos y desastres [2]. La existencia de diversas fuentes oficiales y no
oficiales hacen que información errónea llegue a las personas durante una crisis. Lo cual puede
hacer que juzgar la relevancia y la credibilidad de la información recibida sea una tarea difícil, por
lo tanto, no pueden tomar las medidas de protección adecuadas [2].
Ya se han visto trabajos relacionados como AI-SocialDisaster, este es un sistema de apoyo a la
toma de decisiones para identificar y analizar desastres naturales como terremotos, inundaciones
e incendios forestales utilizando fuentes de redes sociales [3]. Con este software, los estrategas
y planificadores de desastres pueden comprender las características de un desastre en un área
en particular, además de obtener datos como análisis de sentimientos [3].
Debido a la disponibilidad omnipresente de datos en tiempo real, muchas agencias de rescate
monitorean estos datos regularmente para identificar desastres, reducir riesgos y salvar vidas
[4]. Sin embargo, es imposible que los humanos verifiquen manualmente la gran cantidad de
datos e identifiquen desastres en tiempo real [4]. Con este propósito, se han propuesto muchas
investigaciones para presentar palabras en representaciones comprensibles por máquina y aplicar
métodos de aprendizaje automático en las representaciones de palabras para identificar el
sentimiento de un texto [4].
Un claro ejemplo de la propagación de información falsa es “El caso del tifón Mangkhut en China”.
En este caso se realizaron simulaciones de los escenarios reales, de aislamiento y de
empotramiento. En esta simulación se probó la relevancia de la Primera Ley de Tobler en las
redes sociales [5]. De tres escenarios, un escenario real, un escenario de aislamiento y un
escenario de incrustación, se probó que la estrategia de incrustación controlaba mejor la
transmisión de información falsa [5] de esta manera se plantearon sugerencias prácticas a la
hora de filtrar información falsa en un desastre natural. Basándonos en estos casos podemos
afirmar que enseñar a las computadoras cómo entender y hablar lenguajes naturales ofrece una
gran cantidad de beneficios [6].
El subcampo de la IA que hace que las computadoras parezcan inteligentes para comprender y
generar lenguajes como los humanos se llama procesamiento de lenguaje natural [6]. NLP se
centra en la traducción de lenguaje natural, recuperación de información, extracción de
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN Nº 2708-0935
información, resumen de texto, respuesta a preguntas,modelado de temas, y el reciente sobre
minería de opiniones [7]. Para resolver el problema de la información falsa generada a través de
las redes sociales, nos apoyaremos en las incrustaciones y modelos pre-entrenados, debido a que
estos proporcionan una visión de las estrategias fundamentales a la hora de recopilar información
[8].
Teniendo en cuenta que Twitter se ha convertido en un importante canal de comunicación en
tiempos de emergencia y, la ubicuidad de los teléfonos inteligentes que permite a las personas
anunciar una emergencia que están observando en tiempo real. El objetivo del presente trabajo
es desarrollar un modelo de deep learning capaz de clasificar si un tweet sobre un desastre natural
es real o falso, haciendo uso de algoritmos de procesamiento de lenguaje natural (NLP).
Fundamentación Teórica
Redes neuronales artificiales
Una red neuronal artificial consiste en una red de unidades simples de procesamiento de
información, llamadas neuronas. El poder de las redes neuronales para modelar relaciones
complejas no es el resultado de modelos matemáticos complejos, sino que surge de las
interacciones entre un gran conjunto de neuronas simples. Es normal pensar en las neuronas
como un trabajo organizado en capas. [Deep learning]
Procesamiento de Lenguaje Natural (NLP)
El procesamiento del lenguaje natural (NLP) es una técnica de inteligencia artificial que se ocupa
de la comprensión del lenguaje humano. El cual implica técnicas de programación para crear un
modelo que pueda comprender el lenguaje, clasificar el contenido e incluso generar y crear nuevas
composiciones de lenguaje humano. [ML for coders]
Clasificación de texto (Análisis de sentimientos)
El análisis de sentimientos, también conocido como minería de opiniones, se ocupa de
inspeccionar estos sentimientos dirigidos hacia cualquier entidad. Liu (2010) utilizó el término
objeto para representar la entidad objetivo mencionada en el texto. Un objeto está constituido
por componentes y algún conjunto de atributos. Por ejemplo, se considera la siguiente oración
"la pantalla de la computadora portátil está dañada y la duración de la batería es terrible". El
objeto aquí es una computadora portátil que tiene pantalla y batería como componentes. La
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN Nº 2708-0935
calidad de visualización es un atributo de la pantalla y la duración de la batería es el atributo de
la batería. Este texto se puede clasificar en una opinión positiva, negativa o neutral. []
Materiales
●
Google Drive
Google Drive proporciona una solución de almacenamiento basada en la nube para archivos de
Google Workspace y otros datos de usuario.[]
●
Google Colaboratory
Permite escribir y ejecutar Python en el navegador, no se requiere configuración, acceso a las
GPU sin cargo y es fácil de compartir
● Python
● Matplotlib
● Numpy
● Pandas
● nltk (Natural Language Toolkit)
● Pytorch
● TensorFlor
Metodología
Dataset
El dataset se obtuvo de kaggle el cual contiene los siguientes datos, cada muestra en los datos
de entrenamiento y los datos de prueba tiene la siguiente información:
● El “text” de un tweet
● Una “keyword” de ese tweet (¡aunque esto puede estar en blanco!)
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN Nº 2708-0935
● La “location” desde la que se envió el tweet (también puede estar en blanco):
Análisis exploratorio de datos
Consiste en analizar e investigar conjuntos de datos y resumir sus principales características, a
menudo empleando métodos de visualización de datos. el cual ayuda a determinar la mejor
manera de manipular las fuentes de datos para obtener las respuestas que se necesitan.
Limpieza de datos (Data cleaning)
Es el proceso de detectar, corregir o eliminar registros corruptos o imprecisos de un conjunto de
registros, donde pueden ser tablas o bases de datos con información incorrecta, incompleta, mal
formateada o duplicada.
Modelado
Para la solución al problema se propuso usar una Red Neuronal Recurrente, debido a que su
arquitectura lo permite para el manejo de datos secuenciales como lo es el texto.
Conclusiones
El análisis de los datos que nos brindan las redes sociales es importante debido a que con estos
se podría evitar casos de histeria colectiva como se han mencionado anteriormente.
Para evitar la gran acumulación de datos innecesarios que toda red social tiene se destacó la
parte de la limpieza de estos datos, de esta manera se podría hacer un mejor y más efectivo
análisis con las metodologías de procesamiento del lenguaje natural.
Referencias
[1] S. K. Theja Bhavaraju, C. Beyney y C. Nicholson, "Quantitative analysis of social media
sensitivity to natural disasters", International Journal of Disaster Risk Reduction, vol. 39, p.
101251, octubre de 2019. [En línea]. Disponible: https://doi.org/10.1016/j.ijdrr.2019.101251
[2] S. Hansson et al., "Communication-related vulnerability to disasters: A heuristic framework",
International Journal of Disaster Risk Reduction, vol. 51, p. 101931, diciembre de 2020. [En
línea]. Disponible: https://doi.org/10.1016/j.ijdrr.2020.101931
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN Nº 2708-0935
[3] F. K. Sufi, "AI-SocialDisaster: An AI-based software for identifying and analyzing natural
disasters from social media", Software Impacts, p. 100319, mayo de 2022. [En línea]. Disponible:
https://doi.org/10.1016/j.simpa.2022.100319
[4] S. Deb y A. K. Chanda, "Comparative analysis of contextual and context-free embeddings in
disaster prediction from Twitter data", Machine Learning With Applications, vol. 7, p. 100253,
marzo de 2022. [En línea]. Disponible: https://doi.org/10.1016/j.mlwa.2022.100253
[5] Y. Lian, Y. Liu y X. Dong, "Strategies for controlling false online information during natural
disasters: The case of Typhoon Mangkhut in China", Technology in Society, vol. 62, p. 101265,
agosto de 2020. [En línea]. Disponible: https://doi.org/10.1016/j.techsoc.2020.101265
[6] Raina, V., Krishnamurthy, S., “Natural Language Processing”. In: Building an Effective Data
Science Practice.Apress, Berkeley, CA, diciembre de 2021 Disponible.
https://doi.org/10.1007/978-1-4842-7419-4_6
[7] K. R. Chowdhary, Fundamentals of Artificial Intelligence. New Delhi: Springer India, 2020.[En
línea]. Disponible: https://doi.org/10.1007/978-81-322-3972-7
[8] J. K. Tripathy et al., "Comprehensive analysis of embeddings and pre-training in NLP",
Computer Science Review, vol. 42, p. 100433, noviembre de 2021. [En línea]. Disponible:
https://doi.org/10.1016/j.cosrev.2021.100433
[9] Kelleher, J. D. (2019). Deep Learning. MIT Press.
[10] Yadav, A. y Vishwakarma, D. K. (2019). Sentiment analysis using deep learning
architectures: a review. Artificial Intelligence Review, 53(6), 4335–4385.
https://doi.org/10.1007/s10462-019-09794-5