Buscar en Google Scholar
Título: Clasificación de sentimientos usando Modelos Probabilísticos, Deep Learning y Word Embeddings para textos cortos en Español
Asesor(es): Ochoa Luna, José Eduardo
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2019
Institución: Universidad Nacional de San Agustín de Arequipa
Resumen: 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.
Disciplina académico-profesional: Maestría en Ciencias: Informática, con mención en Tecnologías de Información
Institución que otorga el grado o título: Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Producción y Servicios
Grado o título: Maestro en Ciencias: Informática, con mención en Tecnologías de Información
Fecha de registro: 14-jun-2019



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons