Modelado e implementación de algoritmos inteligentes de análisis de opinión
Tessore, Juan Pablo
Modelado e implementación de algoritmos inteligentes de análisis de opinión - 2023 - 1 archivo (4,2 MB) : il. col.
Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2023.
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
DIF-M8713
APRENDIZAJE AUTOMÁTICO
clasificadores de emociones en texto
Modelado e implementación de algoritmos inteligentes de análisis de opinión - 2023 - 1 archivo (4,2 MB) : il. col.
Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2023.
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
DIF-M8713
APRENDIZAJE AUTOMÁTICO
clasificadores de emociones en texto