Comparación del reconocimiento multimodal de emociones en textos de Twitter

Resumen

El presente articulo plasma los resultados de una investigación basada en la implementación de técnicas de aprendizaje profundo para la detección de emociones en textos, tomando como referencia la recolección de datos de la red social Twitter considerando que, según diversos estudios, es una fuente de información donde muchas personas expresan sus emociones a través de sus publicaciones. El objetivo de esta investigación fue resaltar el grado de precisión que presentan las redes neuronales convolucionales (CNN) para la identificación de emociones frente a otras técnicas de clasificación basadas en el aprendizaje automático, dado que la implementación de este tipo de red neuronal en el rubro del cómputo afectivo es relativamente nueva.A partir de un experimento con datos analizados previamente con otras técnicas de clasificación se obtuvieron resultados que favorecen en tema de precisión a las CNN frente a otros métodos de clasificación como: Conjunto de cadenas de clasificación (ECC), aprendizaje multietiqueta por retropropagación (BP-MLL), Vecino más cercano k de varias etiquetas (ML-kNN), Relevancia binaria (BR), Jerarquía de los clasificadores multietiqueta (HOMER) y otros más.