Rodríguez Arango, EmilianoBarón Gómez, Enrique2024-08-092024-08-092024-06https://hdl.handle.net/20.500.12495/12862El propósito de este artículo consiste en generar tweets que simulan el estilo y los temas abordados por Gustavo Petro durante su primer año de mandato presidencial. Para este cometido, se creó un modelo de Markov de segundo orden que utiliza bi-gramas para generar tweets, es decir, que la siguiente palabra del tweet generado está sujeta a las probabilidades de las dos palabras anteriores y al diccionario de palabras únicas con las que se entrenó el modelo. Así pues, el generador de texto es entrenado con los tweets escritos por Gustavo Petro en el periodo 2022-08-07 a 2023-08-07 y va a ser evaluado con distintos clasificadores binarios para poder encontrar el mejor modelo que permita detectar, con cierto grado de confianza, un tweet real del presidente. De esta manera, la metodología propuesta utiliza técnicas y algoritmos del Procesamiento Natural de Lenguaje (NLP) y de machine learning para construir una herramienta más confiable que la percepción o subjetividad, que tiene una persona, al leer un tweet y tratar de reconocer su veracidad.en-USAttribution-NoDerivatives 4.0 InternacionalGeneración de textoModelo de MarkovGustavo PetroProcesamiento natural de lenguajeTweetGenerador de tweets del presidente Gustavo Petro bajo una perspectiva del procesamiento natural de lenguaje y los modelos de MarkovText generationMarkov modelGustavo PetroNatural language processingTweetPresident Gustavo Petro's tweet generator from a natural language processing and Markov models perspectiveAcceso abiertoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2