Modelado e implementación de algoritmos inteligentes de análisis de opinión

Autores
Tessore, Juan Pablo
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Numerosos estudios que abordan el Análisis de Sentimientos, mediante clasificadores basados en aprendizaje automático, se enfrentan a la necesidad de etiquetar manualmente los datos de entrenamiento o utilizar conjuntos de datos públicos pre etiquetados. Estos enfoques presentan desafíos significativos, como la laboriosidad del etiquetado manual, la ambigüedad en la clasificación de emociones y la falta de recursos en idiomas distintos al inglés. Con el propósito de agilizar el desarrollo de clasificadores de emociones en textos en español, basados en aprendizaje automático supervisado, esta tesis propone y ejecuta una metodología para la captura, etiquetado y validación del contenido, con el fin de acelerar el proceso de construcción del conjunto de datos. Además, se desarrollan clasificadores basados en aprendizaje automático utilizando los datos recopilados y se compara su rendimiento con el de clasificadores entrenados con datos etiquetados manualmente. Por último, se evalúa el impacto de la información contextual en el rendimiento de los clasificadores construidos.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
análisis de sentimientos
procesamiento del lenguaje natural
supervisión distante
aprendizaje automático
información contextual
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/179795
Acceder
id SEDICI_8dc14351ab6527ebdc9d86529eb65865
oai_identifier_str oai:sedici.unlp.edu.ar:10915/179795
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelado e implementación de algoritmos inteligentes de análisis de opiniónTessore, Juan PabloCiencias Informáticasanálisis de sentimientosprocesamiento del lenguaje naturalsupervisión distanteaprendizaje automáticoinformación contextualNumerosos estudios que abordan el Análisis de Sentimientos, mediante clasificadores basados en aprendizaje automático, se enfrentan a la necesidad de etiquetar manualmente los datos de entrenamiento o utilizar conjuntos de datos públicos pre etiquetados. Estos enfoques presentan desafíos significativos, como la laboriosidad del etiquetado manual, la ambigüedad en la clasificación de emociones y la falta de recursos en idiomas distintos al inglés. Con el propósito de agilizar el desarrollo de clasificadores de emociones en textos en español, basados en aprendizaje automático supervisado, esta tesis propone y ejecuta una metodología para la captura, etiquetado y validación del contenido, con el fin de acelerar el proceso de construcción del conjunto de datos. Además, se desarrollan clasificadores basados en aprendizaje automático utilizando los datos recopilados y se compara su rendimiento con el de clasificadores entrenados con datos etiquetados manualmente. Por último, se evalúa el impacto de la información contextual en el rendimiento de los clasificadores construidos.Red de Universidades con Carreras en Informática2024-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf891-900http://sedici.unlp.edu.ar/handle/10915/179795spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:20:54Zoai:sedici.unlp.edu.ar:10915/179795Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:20:54.706SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelado e implementación de algoritmos inteligentes de análisis de opinión
title Modelado e implementación de algoritmos inteligentes de análisis de opinión
spellingShingle Modelado e implementación de algoritmos inteligentes de análisis de opinión
Tessore, Juan Pablo
Ciencias Informáticas
análisis de sentimientos
procesamiento del lenguaje natural
supervisión distante
aprendizaje automático
información contextual
title_short Modelado e implementación de algoritmos inteligentes de análisis de opinión
title_full Modelado e implementación de algoritmos inteligentes de análisis de opinión
title_fullStr Modelado e implementación de algoritmos inteligentes de análisis de opinión
title_full_unstemmed Modelado e implementación de algoritmos inteligentes de análisis de opinión
title_sort Modelado e implementación de algoritmos inteligentes de análisis de opinión
dc.creator.none.fl_str_mv Tessore, Juan Pablo
author Tessore, Juan Pablo
author_facet Tessore, Juan Pablo
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
análisis de sentimientos
procesamiento del lenguaje natural
supervisión distante
aprendizaje automático
información contextual
topic Ciencias Informáticas
análisis de sentimientos
procesamiento del lenguaje natural
supervisión distante
aprendizaje automático
información contextual
dc.description.none.fl_txt_mv Numerosos estudios que abordan el Análisis de Sentimientos, mediante clasificadores basados en aprendizaje automático, se enfrentan a la necesidad de etiquetar manualmente los datos de entrenamiento o utilizar conjuntos de datos públicos pre etiquetados. Estos enfoques presentan desafíos significativos, como la laboriosidad del etiquetado manual, la ambigüedad en la clasificación de emociones y la falta de recursos en idiomas distintos al inglés. Con el propósito de agilizar el desarrollo de clasificadores de emociones en textos en español, basados en aprendizaje automático supervisado, esta tesis propone y ejecuta una metodología para la captura, etiquetado y validación del contenido, con el fin de acelerar el proceso de construcción del conjunto de datos. Además, se desarrollan clasificadores basados en aprendizaje automático utilizando los datos recopilados y se compara su rendimiento con el de clasificadores entrenados con datos etiquetados manualmente. Por último, se evalúa el impacto de la información contextual en el rendimiento de los clasificadores construidos.
Red de Universidades con Carreras en Informática
description Numerosos estudios que abordan el Análisis de Sentimientos, mediante clasificadores basados en aprendizaje automático, se enfrentan a la necesidad de etiquetar manualmente los datos de entrenamiento o utilizar conjuntos de datos públicos pre etiquetados. Estos enfoques presentan desafíos significativos, como la laboriosidad del etiquetado manual, la ambigüedad en la clasificación de emociones y la falta de recursos en idiomas distintos al inglés. Con el propósito de agilizar el desarrollo de clasificadores de emociones en textos en español, basados en aprendizaje automático supervisado, esta tesis propone y ejecuta una metodología para la captura, etiquetado y validación del contenido, con el fin de acelerar el proceso de construcción del conjunto de datos. Además, se desarrollan clasificadores basados en aprendizaje automático utilizando los datos recopilados y se compara su rendimiento con el de clasificadores entrenados con datos etiquetados manualmente. Por último, se evalúa el impacto de la información contextual en el rendimiento de los clasificadores construidos.
publishDate 2024
dc.date.none.fl_str_mv 2024-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/179795
url http://sedici.unlp.edu.ar/handle/10915/179795
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
891-900
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260714368008192
score 13.13397

Publicaciones similares