Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/124106
Título : Análisis de sentimiento en tiempo real de mensajes de Twitch con algoritmos de clasificación
Autoría: Sáenz Rubia, Raúl
Tutor: Diego Andilla, Ferran
Otros: Ventura, Carles  
Resumen : El análisis de sentimiento es un subcampo del Procesamiento del Lenguaje Natural cuyo objetivo es analizar textos subjetivos y extraer información de utilidad sobre la polaridad de sentimiento del autor a nivel de documento, de frase concreta o sobre el aspecto de un artículo o servicio de interés para el analista. En concreto, las redes sociales y páginas de micro-blogging como Twitter o Twitch se han convertido en fuentes inagotables de textos que pueden ser usados para analizar la opinión del público sobre aspectos tan variados como la política, economía o cualquier otro producto o servicio al instante. Twitch, en concreto, es una plataforma que ha crecido enormemente durante los últimos años, lo cual hace necesario mejorar la interacción con el público para desmarcarse de la competencia, y el chat de Twitch es una fuente de información que puede ayudar a los creadores de contenido a conocer la opinión de su audiencia. Sin embargo, actualmente no existen extensiones para el análisis de sentimiento en español para dicha plataforma, por lo que vemos una oportunidad para innovar. En este trabajo se utilizan métodos de aprendizaje profundo MLP y LSTM para la construcción de un clasificador de polaridad de sentimiento con tres niveles: positivo, neutro y negativo, con el que se obtienen resultados del 76% de exactitud media, lo cual es bastante aceptable teniendo en cuenta los obstáculos hallados en el análisis como la ambigüedad del lenguaje, el desconocimiento del contexto y las errores ortográficos, intencionados o no.
Palabras clave : análisis sentimental
procesamiento de lenguaje natural
redes neuronales
aprendizaje automático
LSTM
MLP
Tipo de documento: info:eu-repo/semantics/bachelorThesis
Fecha de publicación : 20-ene-2020
Licencia de publicación: http://creativecommons.org/licenses/by-nc-nd/3.0/es/  
Aparece en las colecciones: Bachelor thesis, research projects, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
rsaenzTFG0120memoria.pdfMemoria del TFG6,9 MBAdobe PDFVista previa
Visualizar/Abrir