Fecha
2025-06-04
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática
Citas
0 citas en 
0 citas en 
Resumen
La atribución de autoría en textos breves como los tuits plantea desafíos importantes por su escasa longitud, la variabilidad estilística y la alta ambigüedad entre usuarios. Este TFM se desarrolla a partir de tuits en español e inglés relacionados con la Cumbre Climática COP27 (Sharm el-Sheikh, noviembre de 2022), con el objetivo de construir un modelo que identifique a los autores más probables a partir de los textos. Para ello se emplean arquitecturas tipo Transformer. Los resultados muestran un rendimiento aceptable con pocos autores, pero una degradación clara a medida que se amplía el número de candidatos, especialmente en el caso del inglés.
Authorship attribution in short texts like tweets presents significant challenges due to their limited length, stylistic variability, and ambiguity between users. This Master's Thesis is based on datasets of tweets in Spanish and English related to the COP27 Climate Summit (Sharm el-Sheikh, November 2022), aiming to build a model capable of identifying the most likely authors from the text alone. Transformer-based architectures are employed. Results show reasonable performance with a small number of candidate authors, but a clear drop in accuracy as the author pool increases—especially for the English dataset.
Authorship attribution in short texts like tweets presents significant challenges due to their limited length, stylistic variability, and ambiguity between users. This Master's Thesis is based on datasets of tweets in Spanish and English related to the COP27 Climate Summit (Sharm el-Sheikh, November 2022), aiming to build a model capable of identifying the most likely authors from the text alone. Transformer-based architectures are employed. Results show reasonable performance with a small number of candidate authors, but a clear drop in accuracy as the author pool increases—especially for the English dataset.
Descripción
Categorías UNESCO
Palabras clave
Citación
Víctor Dorado, Víctor. Trabajo Fin de Máster: "Detección de autoría en redes sociales". Universidad Nacional de Educación a Distancia (UNED) 2025
Centro
E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial