Análisis de sentimiento en Twitter en relación a la tecnología IA para generación de imágenes

• Rosales Espinoza, Antony Pyero ^[1] ; Gonzales Suarez, Juan Carlos ^[1]
  1. [1] Universidad Católica Sedes Sapientiae

     Universidad Católica Sedes Sapientiae

     Perú

     
• Localización: Revista Innovación y Software, ISSN 2708-0935, ISSN-e 2708-0927, Vol. 5, Nº. 1, 2024 (Ejemplar dedicado a: March - August), págs. 33-48
• Idioma: español
• Títulos paralelos:
  • Sentiment analysis on Twitter in relation to AI technology for image generation
• Enlaces
  • Texto completo  1    2    3    4  
• Resumen
  • español

    El avance en la tecnología de inteligencia artificial (IA) ha llevado a mejoras significativas en la generación de imágenes en términos de velocidad y calidad. Sin embargo, se ha generado preocupación e incertidumbre entre los artistas, quienes temen ser reemplazados por la IA en su campo de trabajo. En este contexto, se tuvo como objetivo el análisis de los Tweets donde se define el impacto de la inteligencia artificial (IA) en la adopción de tecnologías de generación de imágenes. Para ello, se llevó a cabo la recopilación, creación y evaluación de una red neuronal convolucional que clasifique los datos según un análisis de sentimiento entre positivo y negativo. Finalmente, la investigación se determinó la tasa de pérdida de un 63%, la precisión con un 61% y la curva ROC alrededor de un 64% de una red neuronal convolucional para la predicción de Tweets.

  • English

    Advances in artificial intelligence (AI) technology have led to significant improvements in image generation in terms of speed and quality. However, it has generated concern and uncertainty among artists, who fear being replaced by AI in their field of work. In this context, the objective was to analyse Tweets defining the impact of artificial intelligence (AI) on the adoption of imaging technologies. For this purpose, the collection, creation and evaluation of a convolutional neural network that classifies the data according to a sentiment analysis between positive and negative was carried out. Finally, the research determined the loss rate of 63%, the accuracy with 61% and the ROC curve around 64% of a convolutional neural network for predicting Tweets.