Modelado e implementación de algoritmos inteligentes de análisis de opinión

Mostrar todas las versiones(2)
Detalles Bibliográficos
Autor Principal: Tessore, Juan Pablo
Otros autores o Colaboradores: Baldassarri, Sandra (Director/a), Ramón, Hugo Dionisio (Codirector/a)
Formato: Tesis
Lengua:español
Datos de publicación: 2023
Temas:
APRENDIZAJE AUTOMÁTICO
clasificadores de emociones en texto
Acceso en línea:http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2609
Consultar en el Cátalogo
Descripción Física:1 archivo (4,2 MB) : il. col.
Tabla de Contenidos:
  • 1. Introducción
  • 1.1 Planteo del problema
  • 1.2 Objetivos
  • 1.3 Contribuciones
  • 1.4 Publicaciones
  • 1.5 Organización de la tesis
  • 2. Fundamentación teórica
  • 2.1 Introducción
  • 2.2 Computación Afectiva y Análisis de Sentimientos
  • 2.2.1 Definición y tareas involucradas
  • 2.2.2 Modelos de representación de emociones existentes
  • 2.3 Minería de textos y procesamiento del lenguaje natural
  • 2.4 Preprocesamiento del contenido recopilado
  • 2.4.1 Filtrado del texto
  • 2.4.2 Corrección de errores ortográficos
  • 2.4.3 Stemming y lematización
  • 2.4.4 Delimitación del texto
  • 2.4.5 Etiquetado de las palabras
  • 2.5 Esquemas de representación de contenido
  • 2.5.1 Esquemas basados en bolsas de palabras/caracteres
  • 2.5.2 Esquemas de ponderación del contenido
  • 2.5.3 Esquemas basados en neural embeddings
  • 2.6 Algoritmos de clasificación de textos basados en ML
  • 2.6.1 Máquinas de soporte vectorial
  • 2.6.2 Naïve Bayes
  • 2.6.3 Redes neuronales
  • 3. Estado de la cuestión
  • 3.1 Introducción
  • 3.2 Conjuntos de datos para el Análisis de Sentimientos
  • 3.2.1 Construidos mediante etiquetado manual
  • 3.2.2 Construidos con etiquetado automático o semi automático
  • 3.3 Métricas para comparación de conjuntos de datos
  • 3.4 Métricas de medición del nivel de consenso sobre las categorías
  • 3.5 Información contextual para el Análisis de Sentimientos
  • 3.6 Conclusiones del capítulo
  • 4. Proceso de construcción y validación de conjuntos de datos
  • 4.1 Introducción
  • 4.2 Descripción general de proceso
  • 4.3 Recopilación de el conjunto de datos
  • 4.4 Preprocesamiento sobre el conjunto de datos recopilado
  • 4.4.1 Tareas de preprocesamiento aplicadas
  • 4.4.2 Efectividad del preprocesamiento en la reducción de tokens OOV
  • 4.4.3 Preprocesamiento y desempeño de clasificadores basados ML
  • 4.5 Selección y validación de las etiquetas del conjunto de datos
  • 4.5.1 Selección y filtrado de comentarios
  • 4.5.2 Descripción del conjunto de datos
  • 4.5.3 Etiquetado y medición del consenso sobre el conjunto de datos
  • 4.5.4 Revisión de casos controvertidos
  • 4.6 Conclusiones del capítulo
  • 4.6.1 Conclusiones acerca de preprocesamiento de conjunto de datos
  • 4.6.2 Conclusiones acerca de la selección y validación de etiquetas
  • 5. Construcción de clasificadores y utilización de información contextual
  • 5.1 Introducción
  • 5.2 Selección del formato de representación y el algoritmo de clasificación
  • 5.3 Configuración de los clasificadores
  • 5.3.1 Efecto de considerar la información contextual
  • 5.3.2 Comparación con los resultados obtenidos en otros estudios similares
  • 5.4 Conclusiones del capítulo
  • 6. Conclusiones y trabajos futuros
  • 6.1 Contribuciones de la tesis
  • 6.2 Trabajos futuros
  • Referencias

Ejemplares similares