SVM-BETO-BiLSTM en la mejora del análisis de sentimientos de reseñas en español de clientes en línea

• Autores: Castillo Vilchez, Greysy Nicole, Espino Aviles, Giantory Bryant
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/164433
• Enlace del recurso: https://hdl.handle.net/20.500.12692/164433
• Nivel de acceso: acceso abierto
• Materia: Análisis de Sentimientos; Redes Neuronales Profundas; Aprendizaje Automático; Procesamiento del Lenguaje Natural; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente estudio evaluó el impacto del modelo SVM-BETO-BiLSTM en el análisis de sentimientos en reseñas escritas en español, comparándolo con enfoques tradicionales y arquitecturas profundas para determinar su efecto sobre la exactitud, precisión, sensibilidad y F1-score. Mediante un diseño cuantitativo cuasiexperimental y el uso de 26621 reseñas obtenidas de TripAdvisor, se demostró que SVM-BETOBiLSTM superó con amplitud a modelos como Naive Bayes, Random Forest y BiLSTM, alcanzando un 91.02% de exactitud, 92.88% de precisión, 91.34% de sensibilidad y 92.10% de F1-score. Estos resultados confirman la pertinencia de emplear embeddings específicos del español junto con técnicas híbridas de aprendizaje profundo y aprendizaje automático, lo que impulsa la innovación tecnológica y la eficiencia de sistemas de análisis de datos, alineándose con el ODS 9. Además, la robustez del modelo y su capacidad para procesar grandes volúmenes de información en tiempo real subrayan su relevancia práctica en ámbitos como el comercio electrónico, la atención al cliente y el monitoreo de redes sociales. En suma, los hallazgos no solo validan la eficacia de la propuesta, sino que también sientan las bases para su ampliación a otros idiomas, dominios y escenarios industriales, fomentando el desarrollo de soluciones más avanzadas y sostenibles.