| dc.description.abstract | En la actualidad, la minería de opiniones es un tema de gran interés e importancia en diversas áreas, porque permite resumir y analizar la información contenida en la Web, para proporcionar datos útiles para la toma de decisiones. La minería de opiniones, entre sus diversas áreas de aplicación, destaca por su contribución en el contexto del cuidado de la salud. Por ello, el objetivo de la presente tesis es realizar un sistema de minería de opiniones de medicamentos para enfermedades crónico-degenerativas, en el idioma español, en el cual, se implementen técnicas de Web Scraping y el Procesamiento del Lenguaje Natural (PLN). Con base en la literatura analizada se encontró que existen trabajos que abordan el área del cuidado de la salud usando la minería de opiniones, sin embargo, gran parte de este trabajo se centra en analizar la información contenida en las redes sociales, especialmente en Twitter, en los idiomas como el inglés, chino y árabe, dejando una gran oportunidad de investigación en fuentes de datos como foros y video blogs, en el idioma español. El enfoque propuesto, a través del sistema, tiene como objetivo en primer lugar, proporcionar a los especialistas información que ayude a agilizar el proceso de identificación y selección de los medicamentos que prescriben, también, conocer los efectos adversos que tienen otros pacientes con los medicamentos prescritos para su condición, para identificar rápidamente los efectos adversos de sus pacientes, permitiéndoles dedicar más tiempo al examen físico y evitar así complicaciones adicionales a la enfermedad, lo que se traduce en una mayor calidad de atención a los pacientes. En segundo lugar, proporcionar a los pacientes información para saber lo que piensan los demás sobre los medicamentos que utilizan, y con la validación de los expertos, se les facilite a los pacientes identificar los comentarios que no representan un peligro para su salud y los que fomentan la automedicación. Los resultados obtenidos son alentadores ya que se obtuvo una Precision del 87% y 82% para opiniones positivas y negativas, respectivamente, y un Recall del 94% para opiniones positivas y 65% para opiniones negativas. Además, el Accuracy del modelo usado para la detección de polaridad de un 86%. | es |
