Clasificación de sentimientos usando Modelos Probabilísticos, Deep Learning y Word Embeddings para textos cortos en Español

• Autor: Ari Mamani, Disraeli Fausto
• Formato: tesis de maestría
• Fecha de Publicación: 2019
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/8697
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/8697
• Nivel de acceso: acceso abierto
• Materia: Representaciones de palabras; aprendizaje profundo; campos condicionales aleatorios; análisis de opiniones; Aprendizaje automático; https://purl.org/pe-repo/ocde/ford#2.02.04

La clasificación de sentimientos se refiere al dictamen o juicio que se le atribuye a un texto. Esta tarea es algo que las personas realizan naturalmente al leer un contenido. Por el crecimiento de las redes sociales y la cantidad de datos que se generan diariamente en la web, podemos encontrar opiniones sobre noticias, productos, personas, etc. Con tanta información, la capacidad humana para clasificarla se convierte en una tarea muy difícil de realizar. Por eso se han propuesto diversos tipos de clasificadores automáticos que realizan esta tarea. En esta investigación se desarrolló diversas técnicas que permiten el análisis de textos cortos, desde clasificadores probabilísticos, que mostraron un rápido desempeño y buenos resultados, hasta clasificadores basados en aprendizaje profundo, con los que se consiguió resultados comparables al estado del arte. Además, se utilizaron características no supervisadas basadas en word embeddings para modelar el contexto. Los algoritmos resultantes permiten clasificar textos cortos en el idioma español.