Para la recolección de los tweets se tomaron publicaciones en X de 202 cuentas que configuran el ecosistema de Javier Milei (vease el apartado documentación). Entre el 10 de diciembre de 2023 y el 30 de abril de 2024 se recolectaron 217814 posteos de X.
| Tipo de Nucleo | Cantidad de Cuentas | Porcentaje |
|---|---|---|
| Nucleo Duro Real (NDR) | 135 | 66.8% |
| Nucleo Duro Troll (NDT) | 67 | 33.2% |
| Total | 202 | 100.0% |
Para el desarrollo del corpus se diferenciaron las cuentas entre dos grupos de usuarios. Por un lado, tenemos al Núcleo Duro Real, conformado por figuras públicas reconocidas y con roles definidos dentro de la estructura política, como diputados, senadores y funcionarios cercanos a ciertos liderazgos. Este grupo representa la faceta oficial y tangible de la participación política en las redes, ya que sus miembros son personalidades con presencia física en el escenario político y cuentan con una voz autorizada para expresar posturas y propuestas.
Por otro lado, existe el Núcleo Duro Troll, un conjunto de usuarios que, si bien no forman parte de la estructura política formal, desempeñan un papel crucial en la amplificación y difusión de los mensajes y consignas promovidos por determinadas fuerzas políticas. Estos usuarios, a diferencia del Núcleo Duro Real, no necesariamente cuentan con una identidad verificada o una presencia física en el mundo político, pero su actividad en las redes sociales contribuye significativamente a la generación de tendencias, la creación de narrativas y la movilización de simpatizantes en torno a ciertas ideas y candidaturas.
En el apartado de Documentación (Cuentas Relevadas: ) se encuentra el detalle de las cuentas relevadas para cada grupo de usuarios
| Tipo de Nucleo | Cantidad de Tweets | Porcentaje |
|---|---|---|
| Nucleo Duro Real (NDR) | 45240 | 20.8% |
| Nucleo Duro Troll (NDT) | 172574 | 79.2% |
| Total | 217814 | 100.0% |
En la última semana hay pocos tweets en parte porque la misma se encuentra incompleta ya que el relevamiento es hasta el 1 de mayo.
En el siguiente gráfico se observa la distribución de tweets por día y rango horario en el que fueron publicados por semana. Se toma como fecha de agrupamiento la fecha del inicio de la semana (domingo)
En la siguiente tabla se muestran las cuentas que twittean a la noche y en madrugada por cantidad de tweets por horario y tipo de Núcleo
Se muestra la cantidad de posts según el nivel de agresividad.
Top 5 publicaciones en X con mayor nivel de agresividad por mes
| Cuentas con mayor cantidad y promedio de agresividad | |||
| Nucleo Duro Real | |||
| Cuentas con mayor cantidad de agresividad | Nivel de agresividad de los usuarios con mayor agresividad | Cuentas con mayor promedio de agresividad | Nivel de Odio de los usuarios con mayor promedio |
|---|---|---|---|
| NickyMarquez1 | Suma: 170.27 Promedio: 0.05 | inakiigutierrez | Suma: 5.67 Promedio: 0.08 |
| lilialemoine | Suma: 122.39 Promedio: 0.03 | sangreacuariana | Suma: 93.21 Promedio: 0.07 |
| ASB2509 | Suma: 116.79 Promedio: 0.05 | EugeCasielles | Suma: 0.76 Promedio: 0.06 |
| HoracioCabak | Suma: 115.69 Promedio: 0.04 | PatoBullrich | Suma: 29.23 Promedio: 0.06 |
| Fran_Casaretto_ | Suma: 96.99 Promedio: 0.04 | DanannOficial | Suma: 86.98 Promedio: 0.06 |
| sangreacuariana | Suma: 93.21 Promedio: 0.07 | nicorpos | Suma: 24.22 Promedio: 0.05 |
| DanannOficial | Suma: 86.98 Promedio: 0.06 | Juancarlos8752 | Suma: 0.05 Promedio: 0.05 |
| agustinromm | Suma: 43.33 Promedio: 0.04 | NickyMarquez1 | Suma: 170.27 Promedio: 0.05 |
| laderechadiario | Suma: 41.75 Promedio: 0.02 | ASB2509 | Suma: 116.79 Promedio: 0.05 |
| PalaveccinoLu | Suma: 34.76 Promedio: 0.02 | AgustinLaje | Suma: 11.81 Promedio: 0.05 |
| Cuentas con mayor cantidad y promedio de agresividad | |||
| Nucleo Duro Troll | |||
| Cuentas con mayor cantidad de agresividad | Nivel de agresividad de los usuarios con mayor agresividad | Cuentas con mayor promedio de agresividad | Nivel de Odio de los usuarios con mayor promedio |
|---|---|---|---|
| TraductorTeAma | Suma: 721.12 Promedio: 0.04 | dolaricemos | Suma: 517.95 Promedio: 0.09 |
| dolaricemos | Suma: 517.95 Promedio: 0.09 | MiltonFriedom5 | Suma: 323.37 Promedio: 0.08 |
| elpittttt | Suma: 424.15 Promedio: 0.06 | rcas1 | Suma: 42.91 Promedio: 0.08 |
| Ultranormalidad | Suma: 396.63 Promedio: 0.05 | therealbuni | Suma: 188.39 Promedio: 0.07 |
| ladymarketok | Suma: 370.68 Promedio: 0.05 | marceloduclos | Suma: 245.32 Promedio: 0.07 |
| MenemAbrazo | Suma: 326.73 Promedio: 0.04 | MinEscracheAR | Suma: 90.45 Promedio: 0.06 |
| MiltonFriedom5 | Suma: 323.37 Promedio: 0.08 | ElViejoFacho | Suma: 44.09 Promedio: 0.06 |
| TommyShelby_30 | Suma: 312.03 Promedio: 0.04 | elpittttt | Suma: 424.15 Promedio: 0.06 |
| espartanolibert | Suma: 263.76 Promedio: 0.04 | CheMadorni | Suma: 21.4 Promedio: 0.06 |
| ladriguruok | Suma: 248.43 Promedio: 0.04 | TalibanMilei | Suma: 28.87 Promedio: 0.06 |
Se muestra la cantidad de posts según el nivel de odio.
Top 5 publicaciones en X con mayor nivel de odio por mes
| Cuentas con mayor cantidad y promedio de odio | |||
| Nucleo Duro Real | |||
| Cuentas con mayor cantidad de odio | Nivel de Odio de los usuarios con mayor cantidad de odio | Cuentas con mayor promedio de odio | Nivel de Odio de los usuarios con mayor promedio |
|---|---|---|---|
| NickyMarquez1 | Suma: 311.46 Promedio: 0.1 | EugeCasielles | Suma: 2.42 Promedio: 0.2 |
| lilialemoine | Suma: 270.59 Promedio: 0.07 | PatoBullrich | Suma: 80.4 Promedio: 0.17 |
| HoracioCabak | Suma: 236.81 Promedio: 0.08 | inakiigutierrez | Suma: 10.93 Promedio: 0.15 |
| ASB2509 | Suma: 210.61 Promedio: 0.09 | Juancarlos8752 | Suma: 0.12 Promedio: 0.12 |
| Fran_Casaretto_ | Suma: 209.71 Promedio: 0.09 | sangreacuariana | Suma: 150.2 Promedio: 0.12 |
| DanannOficial | Suma: 169.45 Promedio: 0.12 | DanannOficial | Suma: 169.45 Promedio: 0.12 |
| sangreacuariana | Suma: 150.2 Promedio: 0.12 | AgustinLaje | Suma: 26.48 Promedio: 0.12 |
| agustinromm | Suma: 92.92 Promedio: 0.1 | GustavoCairoMza | Suma: 4.46 Promedio: 0.11 |
| PatoBullrich | Suma: 80.4 Promedio: 0.17 | josesanz82 | Suma: 0.51 Promedio: 0.1 |
| laderechadiario | Suma: 79.39 Promedio: 0.03 | LeoSaifert | Suma: 19.78 Promedio: 0.1 |
| Cuentas con mayor cantidad y promedio de odio | |||
| Nucleo Duro Troll | |||
| Cuentas con mayor cantidad de odio | Nivel de Odio de los usuarios con mayor cantidad de odio | Cuentas con mayor promedio de odio | Nivel de Odio de los usuarios con mayor promedio |
|---|---|---|---|
| TraductorTeAma | Suma: 1431.49 Promedio: 0.08 | dolaricemos | Suma: 1187.82 Promedio: 0.21 |
| dolaricemos | Suma: 1187.82 Promedio: 0.21 | rcas1 | Suma: 106.67 Promedio: 0.19 |
| elpittttt | Suma: 802.6 Promedio: 0.11 | MiltonFriedom5 | Suma: 686.57 Promedio: 0.17 |
| Ultranormalidad | Suma: 764.4 Promedio: 0.1 | therealbuni | Suma: 384.41 Promedio: 0.15 |
| ladymarketok | Suma: 750.53 Promedio: 0.09 | PregoneroL | Suma: 509.8 Promedio: 0.13 |
| MiltonFriedom5 | Suma: 686.57 Promedio: 0.17 | MinEscracheAR | Suma: 181.39 Promedio: 0.13 |
| MenemAbrazo | Suma: 607.7 Promedio: 0.08 | marceloduclos | Suma: 400.85 Promedio: 0.12 |
| ladriguruok | Suma: 527.16 Promedio: 0.09 | elpittttt | Suma: 802.6 Promedio: 0.11 |
| PregoneroL | Suma: 509.8 Promedio: 0.13 | CheMadorni | Suma: 42.04 Promedio: 0.11 |
| TommyShelby_30 | Suma: 505.88 Promedio: 0.06 | camiduro_ | Suma: 75.85 Promedio: 0.1 |
“targeted” se refiere a la segmentación específica de un público objetivo en la publicación. Un tweet con un alto nivel de “targeted” se dirige de manera precisa a un grupo demográfico o de interés particular
Se muestra la cantidad de posts según el nivel de targeted
Top 5 publicaciones en X con mayor nivel de targeted por mes
| Cuentas con mayor cantidad y promedio de targeted | |||
| Nucleo Duro Real | |||
| Cuentas con mayor cantidad de targeted | Nivel de targeted de los usuarios con mayor cantidad de targeted | Cuentas con mayor promedio de targeted | Nivel de targeted de los usuarios con mayor promedio |
|---|---|---|---|
| NickyMarquez1 | Suma: 108.17 Promedio: 0.03 | sangreacuariana | Suma: 79.48 Promedio: 0.06 |
| ASB2509 | Suma: 98.2 Promedio: 0.04 | ASB2509 | Suma: 98.2 Promedio: 0.04 |
| lilialemoine | Suma: 82.41 Promedio: 0.02 | nicorpos | Suma: 18.14 Promedio: 0.04 |
| sangreacuariana | Suma: 79.48 Promedio: 0.06 | DanannOficial | Suma: 56.59 Promedio: 0.04 |
| HoracioCabak | Suma: 73.71 Promedio: 0.02 | inakiigutierrez | Suma: 2.78 Promedio: 0.04 |
| Fran_Casaretto_ | Suma: 66.78 Promedio: 0.03 | NickyMarquez1 | Suma: 108.17 Promedio: 0.03 |
| DanannOficial | Suma: 56.59 Promedio: 0.04 | DanielTillard | Suma: 0.35 Promedio: 0.03 |
| PalaveccinoLu | Suma: 27.15 Promedio: 0.01 | Fran_Casaretto_ | Suma: 66.78 Promedio: 0.03 |
| laderechadiario | Suma: 20.31 Promedio: 0.01 | AlidaFerreyraU | Suma: 20.14 Promedio: 0.03 |
| AlidaFerreyraU | Suma: 20.14 Promedio: 0.03 | ALICIAAZANZA | Suma: 2.95 Promedio: 0.03 |
| Cuentas con mayor cantidad y promedio de targeted | |||
| Nucleo Duro Troll | |||
| Cuentas con mayor cantidad de targeted | Nivel de targeted de los usuarios con mayor cantidad de targeted | Cuentas con mayor promedio de targeted | Nivel de targeted de los usuarios con mayor promedio |
|---|---|---|---|
| TraductorTeAma | Suma: 450.54 Promedio: 0.03 | marceloduclos | Suma: 187.49 Promedio: 0.06 |
| TommyShelby_30 | Suma: 235.73 Promedio: 0.03 | ElViejoFacho | Suma: 34.33 Promedio: 0.05 |
| Ultranormalidad | Suma: 233.6 Promedio: 0.03 | CheMadorni | Suma: 16.26 Promedio: 0.04 |
| espartanolibert | Suma: 233.39 Promedio: 0.04 | TalibanMilei | Suma: 21.86 Promedio: 0.04 |
| MenemAbrazo | Suma: 226.96 Promedio: 0.03 | espartanolibert | Suma: 233.39 Promedio: 0.04 |
| elpittttt | Suma: 217.3 Promedio: 0.03 | MinEscracheAR | Suma: 49.57 Promedio: 0.03 |
| ladymarketok | Suma: 212.94 Promedio: 0.03 | HombreeGris | Suma: 65.94 Promedio: 0.03 |
| marceloduclos | Suma: 187.49 Promedio: 0.06 | GordoDan_ | Suma: 81.31 Promedio: 0.03 |
| ladriguruok | Suma: 168.32 Promedio: 0.03 | pibe_liberal | Suma: 21.36 Promedio: 0.03 |
| MileiAbrazoo | Suma: 126.25 Promedio: 0.02 | elpittttt | Suma: 217.3 Promedio: 0.03 |
Son las cuentas mencionadas en los tweets con mayor nivel de odio
| Cuentas mencionadas con mayor nivel de odio, agresividad y targeted | |||||
| Nucleo Duro Troll | |||||
| Cuentas mencionadas en twits más targeted | Suma del targeted | Cuentas mencionadas en twits más agresivos | Suma de la agresividad | Cuentas mencionadas en twits más odiados | Suma del Odio |
|---|---|---|---|---|---|
| TraductorTeAma | 43.69844 | TraductorTeAma | 69.75076 | dolaricemos | 164.55459 |
| GordoDan_ | 35.22290 | dolaricemos | 64.19259 | MiltonFriedom5 | 147.64617 |
| CFKArgentina | 31.39660 | MiltonFriedom5 | 62.67514 | TraductorTeAma | 144.38676 |
| JMilei | 28.75908 | GordoDan_ | 47.53505 | PregoneroL | 88.63129 |
| SergioChouza | 26.91687 | JMilei | 41.30588 | GordoDan_ | 80.46027 |
| TommyShelby_30 | 25.91595 | PregoneroL | 34.55098 | JMilei | 70.02485 |
| ElTrumpista | 23.39415 | SergioChouza | 32.34268 | SergioChouza | 54.48092 |
| myriambregman | 21.67510 | TommyShelby_30 | 32.14985 | TommyShelby_30 | 53.56304 |
| baraibarmicaela | 19.36006 | CFKArgentina | 30.72572 | ladriguruok | 48.66284 |
| MiltonFriedom5 | 15.82561 | ElTrumpista | 28.00507 | ElTrumpista | 46.69264 |
Entre el 10 de diciembre de 2023 y el 1 de mayo de 2024 se relevaron 612 tweets en la cuenta @jmilei del Presidente Javier Milei. Al mismo tiempo, la cuenta de JMilei fue mencionada por 1422 publicaciones en X
Para explorar los temas de conversación del ecosistema de Javier Milei se desarrolló un modelado de tópicos mediante BERT (Bidirectional Encoder Representations from Transformers) para identificar los temas principales o dominantes dentro de un conjunto de documentos o texto.1 El modelado de tópicos es una técnica dentro del campo del NLP, que permite descubrir y comprender las temáticas subyacentes en una colección de documentos.2
BERTopic es un modelo de lenguaje desarrollado por Google que utiliza la arquitectura de Transformers3 y está preentrenado en una gran cantidad de datos textuales, lo que le permite capturar el contexto y la semántica de manera efectiva.
Al aplicar el modelado de topicos durante el periodo analizado se detectaron 114 topicos. Se etiquetaron manualmente, revisando manualmente el contenido de las publicaciones agrupadas en determinado tópico
Se eliminaron los topicos no relacionados con cuestiones de coyuntura y la categoría -1 (outliers o “sin clasificar”). Se mantuvo la categoría “Otros” mas general. Los topicos eliminados fueron:
Se agruparon los tópicos en tematicas generales
| topic_general | etiquetas_incluidas | n |
|---|---|---|
| IA | IA | 121 |
| Transporte | Tarjeta Sube, transpote | 205 |
| UCR y PRO | Criticas a Jorge Macri | Criticas a la UCR | 259 |
| Corrupción | Aumento de sueldo senadores | Corrupcion | 300 |
| Perros | Perros, perros de Milei | 335 |
| Elon Musk | Elon y Javier Milei | Starlink y Elon Musk | 417 |
| jubilaciones | Jubilaciones | 792 |
| Ecosistema JM | Menciones a cristianmillo | Hate a Lilian Lemoine | Comentarios y respuestas al gordo Dan | Respuestas a @ladymarketok | Menciones a entrevistas | 976 |
| Federalismo | Gobernador de Santa Cruz | Impuesto pais, coparticipacion | Gobernadores, coparticipación | 991 |
| Salud | cirujias, medicos, veterinarios | Dengue y covid | Salud pública, hospitales, insumos | Covid, vacuna, brote | Dengue, agua y mosquitos | 1068 |
| Política cultural y comunicación | Periodismo, medios, telam | Cine, INCAA | Adoctrinamiento, batalla cultural | Comentarios a C5N | Tv Pública | Artistas, recitales gratuitos | 1804 |
| Frases de LLA | Fuerzas del cielo y heroes de malvinas | Mundo libre, mileinizar el mundo, potencia de pais | La libertad avanza | No hay plata | No la ven | Menciones a Villarroel y a Australia | La casta | Menciones a moyano y adorni | 2457 |
| Peronismo/Kirchnerismo | Criticas al kirchnerismo | Insultos a los Kirchneristas | Guillermo Moreno | Criticas a los kirchneristas | Menciones a Alberto Fernandez | Bardeos a los kirchneristas | Hate a CFK, noticias de CKF | 2530 |
| Defensa, seguridad y protestas sociales | Cortes de calle | Compra de aviones, defensa | Mar del plata, reclamos | Narcotráfico, farmacéuticas y drogas | Seguridad,policia, narcotrafico | 2698 |
| Politica y RR internacionales | Judaismo, islam, musulmanes | Soberanía, Malvinas | Israel, Irán | Base China en Neuquén, relaciones con China | Menciones a europa | Terrorismo, terroristas | Cuba, comunismo, venezuela | Guerra de ucrania, terrorismo | Encuentro de milei con el papa francisco | Discurso en davos | 2889 |
| Insultos varios | Mujeres | Insultos relacionados al olor | Menciones a llorar | Menciones a huevos y jorge rial | Insultos sobre salud mental | Bardeos con planeta, universo, alienigena | Palermo, al militante palermitano y comida italiana | Insultos sobre simios | 2954 |
| Universidad | Universidad pública, presupuesto y adoctrinamiento | Marcha universitaria | 3007 |
| Ley de bases / DNU | ley de bases, DNU, derogación, reforma laboral | Reforma laboral | ley de bases | Ley de alquileres, DNU | Constitucionalidad, ley de bases, DNU | 3085 |
| Política económica y monetaria | Teoría económica | Inflación | Precios | Dolar, brecha, cambiaria | Nafta: precio, aumento | Caputo, dolares, economia | Apertura importaciones, retenciones | BCRA | Caputo, medidas y economía | Dolar - Bitcoins | Menciones a Miller | Deuda, bonos y dolares | 5236 |
| Otros | Otro | 49328 |
| Tema de conversacion | Nucleo Duro Real (NDR) | Nucleo Duro Troll (NDT) | Total |
|---|---|---|---|
| Corrupción | 0.4% | 0.4% | 0.4% |
| Defensa, seguridad y protestas sociales | 5.8% | 2.7% | 3.3% |
| Ecosistema JM | 1.3% | 1.2% | 1.2% |
| Elon Musk | 0.4% | 0.5% | 0.5% |
| Federalismo | 1.2% | 1.2% | 1.2% |
| Frases de LLA | 3.3% | 3.0% | 3.0% |
| IA | 0.1% | 0.2% | 0.1% |
| Insultos varios | 4.4% | 3.4% | 3.6% |
| jubilaciones | 0.8% | 1.0% | 1.0% |
| Ley de bases / DNU | 6.0% | 3.3% | 3.8% |
| Otros | 55.7% | 61.7% | 60.6% |
| Peronismo/Kirchnerismo | 2.7% | 3.2% | 3.1% |
| Perros | 0.3% | 0.4% | 0.4% |
| Política cultural y comunicación | 2.3% | 2.2% | 2.2% |
| Política económica y monetaria | 4.7% | 6.8% | 6.4% |
| Politica y RR internacionales | 4.1% | 3.4% | 3.5% |
| Salud | 1.6% | 1.2% | 1.3% |
| Transporte | 0.3% | 0.2% | 0.3% |
| UCR y PRO | 0.3% | 0.3% | 0.3% |
| Universidad | 4.2% | 3.6% | 3.7% |
| Total | 100.0% | 100.0% | 100.0% |
| Tema de conversacion | Nucleo Duro Real (NDR) | Nucleo Duro Troll (NDT) | Total |
|---|---|---|---|
| Corrupción | 67 | 233 | 300 |
| Defensa, seguridad y protestas sociales | 923 | 1775 | 2698 |
| Ecosistema JM | 206 | 770 | 976 |
| Elon Musk | 63 | 354 | 417 |
| Federalismo | 196 | 795 | 991 |
| Frases de LLA | 515 | 1942 | 2457 |
| IA | 17 | 104 | 121 |
| Insultos varios | 702 | 2252 | 2954 |
| jubilaciones | 129 | 663 | 792 |
| Ley de bases / DNU | 942 | 2143 | 3085 |
| Otros | 8819 | 40509 | 49328 |
| Peronismo/Kirchnerismo | 433 | 2097 | 2530 |
| Perros | 41 | 294 | 335 |
| Política cultural y comunicación | 365 | 1439 | 1804 |
| Política económica y monetaria | 742 | 4494 | 5236 |
| Politica y RR internacionales | 650 | 2239 | 2889 |
| Salud | 251 | 817 | 1068 |
| Transporte | 42 | 163 | 205 |
| UCR y PRO | 47 | 212 | 259 |
| Universidad | 672 | 2335 | 3007 |
| Total | 15822 | 65630 | 81452 |
| Tema de conversacion | n | percent |
|---|---|---|
| Defensa, seguridad y protestas sociales | 2 | 0.7% |
| Peronismo/Kirchnerismo | 2 | 0.7% |
| Salud | 2 | 0.7% |
| Federalismo | 3 | 1.1% |
| Insultos varios | 3 | 1.1% |
| Ley de bases / DNU | 3 | 1.1% |
| jubilaciones | 4 | 1.4% |
| Ecosistema JM | 5 | 1.8% |
| Frases de LLA | 5 | 1.8% |
| Universidad | 7 | 2.5% |
| Política cultural y comunicación | 8 | 2.8% |
| Política económica y monetaria | 10 | 3.5% |
| Politica y RR internacionales | 18 | 6.4% |
| Otros | 210 | 74.5% |
| Total | 282 | 100.0% |
Entre el 10 de diciembre y el 30 de abril se relevaron 132571 noticias. }
Los medios digitales se seleccionaron en base a la información ofrecida por el Digital News Report. Se trata de un informe anual realizado por el Instituto Reuters para el Estudio del Periodismo de la Universidad de Oxford que analiza a nivel mundial el consumo de noticias en medios de comunicación de diferentes formatos.
En el siguiente gráfico se observa la cantidad de noticias publicadas por cada medio digital.
La detección de los topicos en medios se realizó a través del título de la noticia
El nivel de odio y agresividad fue realizado a través de pysentimiento. Se trata de una variante del modelo BERT que esta entrenada con varios dialectos del idioma español con un corpus TASS 2020. El modelo está calificado para analizar sentimientos y clasificarlos en positivo, negativo y neutral, además es capaz de detectar emociones como: odio y agresividad4. El modelo Pysentimiento se encarga de analizar y clasificar los mensajes de texto en base a su contenido emocional con el objetivo de identificar si un mensaje contiene síntomas de odio y agresividad registrando los porcentajes correspondientes a cada categoría5.
Para la clasificación de bajo, medio, alto tanto para odio como para agresividad se tomó:
| Rango de Niveles | Etiqueta |
|---|---|
| 0 - 0.1 | Bajo |
| 0.11 - 0.2 | Medio |
| 0.21 - 1 | Alto |
El análisis de las palabras se realizó aplicando NER vía scipy para noticias y via pysentimiento para los Tweets. El NER (Named Entity Recognition) es una técnica de procesamiento de lenguaje natural que permite identificar y clasificar entidades nombradas en un texto, como personas, lugares, sustantivos, adjetivos y verbos.
La frecuencia de palabras se realizó sobre los lemmas de la palabra. Un lemma es una forma canónica o base de una palabra que se utiliza para representar todas las formas flexionadas de esa palabra. En lingüística y procesamiento del lenguaje natural, el lemma es la forma a la que se reduce una palabra para facilitar su análisis y comparación. Por ejemplo, el lemma de palabras como “correr”, “corre”, “corriendo” y “correrá” sería “correr”. Al reducir todas estas formas a su lemma, se simplifica el procesamiento de texto al agrupar variantes de una misma palabra bajo una forma estándar
GRISALES-AGUIRRE, A; FIGUEROA-VALLEJO, C. Modelado de tópicos aplicado al análisis del papel del aprendizaje automático en revisiones sistemáticas. Revista Investig. Desarro. Innov. [online]. 2022, vol.12, n.2 [cited 2024-04-22], pp.279-292. Available from: <[http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2027-83062022000200279&lng=en&nrm=iso\\](http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2027-83062022000200279&lng=en&nrm=iso\>. Epub Mar 16, 2023. ISSN 2027-8306. https://doi.org/10.19053/20278306.v12.n2.2022.15271.↩︎
Transformers es una arquitectura basada en redes neuronales utilizada para procesamiento del lenguaje natural (NLP), se caracteriza por su capacidad para capturar relaciones a largo plazo dentro de una secuencia de datos↩︎
A. Arghittu, A. Aleksandric, H. I. Anderson, S. Melcher, S. Nilizadeh, and G. M. Wilson, “Spanish Facebook Posts as an Indicator of COVID-19 Vaccine Hesitancy in Texas,” 2022, doi: 10.3390/vaccines10101713.↩︎
https://repositorio.ug.edu.ec/server/api/core/bitstreams/eed93a40-b6f0-4e93-94db-80f41c90f152/content↩︎