Deep neural network approaches for spanish sentiment analysis of short texts

• Autor: Ari Mamani, Disraeli Fausto
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/10201
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/10201
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales profundas; Análisis de sentimientos; Oraciones de Twitter; https://purl.org/pe-repo/ocde/ford#2.11.02

El análisis de sentimientos se ha investigado ampliamente en los últimos años. Si bien se han obtenido importantes resultados teóricos y prácticos, todavía hay margen de mejora. En particular, cuando se considera oraciones cortas y lenguas de bajos recursos. Por lo tanto, en este trabajo nos centramos en el análisis de sentimientos para los mensajes de Twitter en español. Exploramos la combinación de varias representaciones de palabras (Word2Vec, Glove, Fas-text) y modelos de redes neuronales profundas para clasificar textos cortos. Los enfoques anteriores de Deep Learning no pudieron obtener resultados óptimos para la clasificación de frases en español en Twitter. Por el contrario, mostramos resultados prometedores en esa dirección. Nuestra mejor configuración combina aumento de datos, representaciones de inserción de tres palabras, redes neuronales convolucionales y redes neuronales recurrentes. Esta configuración nos permite obtener resultados de vanguardia en el conjunto de datos de referencia español TASS/SEPLN, en términos de precisión.