Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/24705
Título : Análisis del sentimiento del lenguaje en comentarios de películas de Rotten Tomatoes
Autor : García Patiño, Carolina
metadata.dc.contributor.advisor: Botia Valderrama, Javier Fernando
metadata.dc.subject.*: Aprendizaje automático (inteligencia artificial)
Machine learning
Lingüística computacional
Computational linguistics
Lexicografía-procesamiento de datos
Lexicography Data processing
Análisis de sentimiento
Fecha de publicación : 2021
Resumen : RESUMEN : El presente trabajo aborda el desarrollo de un modelo de analítica para el procesamiento natural del lenguaje, más específicamente la clasificación multiclase para los comentarios de películas extraídas de la plataforma de reseñas Rotten Tomatoes. La importancia de este tipo de algoritmos, reside en el conocimiento de la expectativa y experiencia de los usuarios frente al consumo de un bien o servicio. Esto genera una migración de los modelos tradicionales de evaluación de satisfacción del cliente, donde se otorgan puntuaciones en escalas cualitativas, hacia una retroalimentación personal y detallada frente a su experiencia. El dataset inicial consta de 156.060 comentarios en inglés con clases desbalanceadas, adicional, como se menciona en la descripción en la página de competición Kaggle (Kaggle, 2014) presenta particulares obstáculos frente al sarcasmo, ambigüedad en el lenguaje y la brevedad en las reseñas. Se plantea abordar el problema con la metodología planteada para procesamiento del lenguaje en una revisión de la literatura por Jain et al. (2021), la cual abarca, en el marco del procesamiento de los datos, tokenización, remoción de stopwords y lematización sobre el remanente de palabras. Posteriormente durante la extracción de características, se usan dos tipos de metodologías, seleccionadas de acuerdo con el tipo de modelo aplicado, para los modelos denominados como soft clasiffier se aplica la vectorización del vocabulario a través de un Term Frecuency Inverse Document Frecuency (TF-IDF), mientras que para el modelo de Deep Learning se aplica una red tipo Embedding. Como resultados generales, se obtiene un modelo con un accuracy del 73.02% y una tasa de F1-Score Micro y Macro del 73.01% y 72.11% respectivamente.
Aparece en las colecciones: Especializaciones de la Facultad de Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
GarcíaCarolina_2021_AnálisisSentimientoLenguaje.pdfTrabajo de grado de especialización899.2 kBAdobe PDFVisualizar/Abrir


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