Aplicación de Redes Neuronales y n-Gramas para el Análisis de Sentimientos en Críticas de Cine
DOI:
https://doi.org/10.30973/progmat/2024.16.3/4Palabras clave:
Optimización, Aprendizaje Automático, Procesamiento de Lenguaje Natural, Construcción de CaracterísticasResumen
El análisis de sentimientos en críticas de cine desempeña un papel crucial tanto en la industria del cine como en la investigación académica. Este artículo, se enfoca en la combinación de n-gramas y el uso de redes neuronales para mejorar la clasificación para el análisis de sentimientos en críticas de cine en español. El método propuesto utiliza la combinación de n-gramas como modelo de representación y se evalúa en el corpus Muchocine, comparándolo con los métodos del estado del arte. Los resultados destacan un rendimiento superior en términos de precision, recall y f-measure, demostrando así la eficacia de la combinación de n-gramas en el rendimiento del clasificador.
Citas
Liu B. Sentiment Analysis and Opinion Mining. Synthesis Lectures on Human Language Technologies. 2012. Morgan & Claypool Publishers: San Rafael, California. EU. https://doi.org/10.1007/978-3-031-02145-9
Sprout Social. El índice de Sprout Social Q3 2016. 2016. Disponible en https://sproutsocial.com/insights/data/es-3t-de-2016/
Cervantes I. EL ESPAÑOL EN EL MUNDO 2021. Anuario del Instituto Cervantes. 2021, Instituto Cervantes: Madrid, España.
Kim S, Koh Y, Cha J, Lee S. Effects of social media on firm value for U.S. restaurant companies. International Journal of Hospitality Management. 2015, 49, 40-46. https://doi.org/10.1016/j.ijhm.2015.05.006
Collobert R, Weston J, Bottou L, Karlen M, Kavukcuoglu K, Kuksa P. Natural Language Processing (Almost) from Scratch. Journal of Machine Learning Research. 2011, 12, 2493-2537,
Cruz FL, Troyano JA, Enriquez F, Ortega J. Clasificación de documentos basada en la opinión: Experimentos con un corpus de críticas de cine en español. Procesamiento del Lenguaje Natural, 2008, 41, http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/2551
Martínez-Cámara E, Martín-Valdivia MT, Ureña-López LA. Opinion Classification Techniques Applied to a Spanish Corpus. En Muñoz R, Montoyo A, Métais E. (eds). 16th Int. Conf. on Applications of Natural Language to Information Systems, NLDB 2011. 2011, Springer: Alicante, Spain, LNCS, 6716. https://doi.org/10.1007/978-3-642-22327-3_17
Sari Y, Stevenson M, Vlachos A. Topic or Style? Exploring the Most Useful Features for Authorship Attribution. Proc. of the 27th Int. Conf. on Computational Linguistics, 2018. 343-353. http://www.aclweb.org/anthology/C18-1029
Dubiau L, Ale, JM. Análisis de Sentimientos sobre un Corpus en Español: Experimentación con un Caso de Estudio. XIV Argentine Symposium on Artificial Intelligence (ASAI)-JAIIO. SADIO: Cordoba, Argentina, 2013. 36-47.
Estrada CA, Fabela JLT. Nuevo método para atribución de autoría en muestras de entrenamiento balanceadas y desbalanceadas del corpus C10. Research in Computing Science. 2022, 151(7), 51–62.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Cesar Alexis Estrada Palacios, José Luis Tapia Fabela
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Usted es libre de:
 |
Compartir — compartir y redistribuir el material publicado en cualquier medio o formato. |
 |
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente. |
Bajo las siguientes condiciones:
 |
Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso. |
| Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia. |
