Un modelo basado en redes neuronales recurrentes para el análisis de sentimientos con información de Apurímac en Facebook

• Autor: Mamani Coaquira, Yonatan
• Formato: informe técnico
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Micaela Bastidas de Apurímac
• Repositorio: UNAMBA-Institucional
• Lenguaje: español
• OAI Identifier: oai:null:20.500.14195/1278
• Enlace del recurso: https://hdl.handle.net/20.500.14195/1278
• Nivel de acceso: acceso abierto
• Materia: Análisis de sentimientos; Análisis de emociones; Word embedding; Comentarios en español; https://purl.org/pe-repo/ocde/ford#1.02.00

La presente investigación tiene como objetivo analizar los sentimientos de comentarios en Facebook relacionados con la región de Apurímac, debido a su relevancia social y cultural, así como a la necesidad de comprender las percepciones ciudadanas en contextos regionales. Para ello, se propuso un modelo de redes neuronales recurrentes aplicadas a textos en español extraídos de la red social Facebook con comentarios relacionados a la región de Apurímac. En ese sentido, se diseñó una arquitectura híbrida que integra embeddings contextuales preentrenados mediante SaBERT, utilizando técnicas de fine-tuning mediante LSTM, BiLSTM, GRU, BiGRU y una capa de Attention, entrenado sobre un corpus de Detección de Emociones obtenidas del evento TASS 2020, desarrollado como parte del Workshop de Análisis Semántico organizado por SEPLN 2020, y preprocesados para garantizar su calidad lingüística, con una división del conjunto de datos en entrenamiento (80%) y validación (20%). Los resultados obtenidos muestran que el modelo alcanza F1-macro de clasificación de 0.49, superando a modelos híbridos sin redes neuronales y con redes neuronales con base en LSTM o GRU con valores entre 0.16 a 0.47. Además, se logró identificar polaridades de sentimientos y términos frecuentes con carga emocional positiva y negativa, lo que demuestra su aplicabilidad en contextos sociales reales. La investigación concluye que el modelo propuesto contribuye analizar sentimientos y emociones en español en un entorno regional específico, representando una contribución relevante para el área de análisis de sentimientos.