Publicación: Modelo de Deep Learning integrando índices macroeconómicos, índices internos empresariales y el análisis sentimental de las personas para predecir los despidos masivos en los Estados Unidos
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: existen diferentes fenómenos que pueden ser llamativos en diferentes ápices empresariales, uno de ellos es el despido masivo de personal. Este documento se encarga de diseñar un modelo de Deep Learning combinado a un análisis sentimental con diferentes variables macroeconómicas y empresariales, para predecir la posibilidad de este suceso en un mes futuro. En el proceso, se evaluó la máquina de soporte vectorial y el perceptrón multicapa después de juntar diferentes variables incluyendo una clasificación por polarización del sentimiento de diferentes comentarios de la red social X sobre los despidos masivos en los estados unidos durante el perdió de 2022 y 2023. Los resultados arrojaron que el modelo de Máquina Soporte Vectorial (precisión 90%) resultaba ser más preciso en la predicción de un posible despido masivo con respecto a un modelo de redes neuronales artificiales por perceptrón multicapa (precisión 82.5%).
Resumen en inglés
ABSTRACT: various phenomena can be of interest across different business environments, one of which is mass layoffs. This document focuses on designing a Deep Learning model combined with sentiment analysis incorporating various macroeconomic and business variables to predict the likelihood of this event in a future month. Throughout the process, both Support Vector Machine and Multilayer Perceptron were evaluated after integrating various variables, including a classification based on the sentiment polarity of comments from social network X regarding mass layoffs in the United States during the period of 2022 and 2023. The findings indicated that the Support Vector Machine model (with 90% accuracy) was more precise in predicting potential mass layoffs compared to a Multilayer Perceptron artificial neural network model (with 82.5% accuracy).