Contribuciones al análisis de sentimientos en opiniones de usuario aplicando técnicas y algoritmos de inteligencia artificial

Resumen

Introducción: La minería de opinión resulta de gran interés y utilidad para la sociedad y sectores importantes de la economía. Los textos de las opiniones son datos complejos caracterizados por complicadas relaciones semánticas y sintácticas del idioma, lo que implica un desafío a considerar desde el punto de vista computacional para la toma de decisiones.

Objetivos: Incrementar la eficacia en el entrenamiento neuronal artificial en la clasificación de textos. Desarrollar nuevos métodos que combinan recursos lingüísticos y modelos neuronales de lenguaje para la detección de polaridad y análisis de sentimientos. Métodos: Se proponen un conjunto de métodos para la clasificación del sentimiento (polaridad positiva o negativa) en opiniones de usuarios con enfoques no supervisados y supervisados. Adicionalmente se introduce un nuevo método híbrido para la detección de emociones en opiniones de usuarios con enfoque semántico de selección de características.

Resultados: Se evaluaron los métodos desarrollados en diferentes colecciones de prueba con opiniones de diferentes ámbitos. Se usaron colecciones utilizadas en desafíos científicos promovidos por comunidades especializadas en la temática: SemEval2016, SemEval2018 y TASS-2020; colecciones provenientes de sitios web de noticias y sus comentarios, a saber: opiniones provenientes de la British Broadcasting Corporation (BBC), de Youtube y de Cubadebate; y opiniones sobre lugares turísticos provenientes de TripAdvisor.

Conclusiones: Los métodos desarrollados representan contribuciones que arrojan resultados prometedores en el estado del arte para el análisis de opinión, siendo muy competitivos y en determinados escenarios superiores.