Sistema inteligente para detectar y mapear eventos de violencia urbana en distintas zonas de Barranquilla, basado en información obtenida de Twitter

Este proyecto surge de la necesidad de tener una forma rápida y gráfica de obtener información los distintos sucesos de violencia que están ocurriendo en los distintos barrios de la ciudad de Barranquilla diariamente. Con base en esto se busca implementar un prototipo que reaccione diariamente, automatizado y que permita mostrar las distintas zonas donde están ocurriendo sucesos de violencia resaltados en un mapa, con base en información obtenida de tuits. Se diseñó una arquitectura basada en micro-servicios cuya comunicación se realiza bajo el conjunto de protocolos TCP/IP y HTTP. Los tuits se obtienen a través de la API de Twitter. Este envía la información al servicio web de clasificación implementado en Flask y se encarga de clasificar los tuits detectando si son indicadores de que hubo un incidente de violencia y en qué zona de Barranquilla ocurrió y se almacenan en la base de datos. En la capa de presentación, se tiene una aplicación web implementada en React para visualizar la información indexada en Firebase Cloud Firestore. Se utiliza la API de Google Maps para visualizar el mapa de la ciudad y se genera la división por barrios en el mapa. Para poder representar el impacto y la diferencia en violencia por barrios, se utilizó una librería de Javascript que permite manipular y presentar información geográfica a través de gráficos interactivos. Tras desarrollar una revisión sistemática de la literatura relacionada con los campos de AI, ML, DL y NLP se estructuró el marco conceptual y se comprendieron aspectos para desarrollar la solución. Se desarrolló el modelo y diseño de la solución con la cual se pudo implementar, desplegar y validar el prototipo planeado. El resultado fue exitoso, ya que se pudo distinguir hasta con un 96 % de certeza, con los tuits de validación, si un tuit indica un hecho de violencia o no. Además, la representación por barrios se realizó de manera correcta tras obtener y filtrar esta información de lo escrito en los tuits.

• Autores: Arrieta Villa, Oskhar; Estrada Vargas, Juan Sebastián; Ramírez Sánchez, Brian Estiven
• Fecha de publicación: 2020
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/8854
• Acceso en línea: http://hdl.handle.net/10584/8854
• Palabra clave: Tomador de decisiones basado en un modelo de aprendizaje automático; Clasificador de texto entrenado con aprendizaje profundo; Procesamiento del lenguaje natural aplicado a Twitter; Extracción de información de Twitter; Information extraction from Twitter; Decision maker based on a machine learning model; Text classifier trained by deep learning; Natural language processing applied to twitter
• License: Universidad del Norte