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 rob...