Year: 2024
Type: dissertation
Abstract: Este Trabajo de Fin de Grado, titulado "Estudio Comparativo de Métodos de Análisis de Sentimiento Textual \nde Última Generación", se realiza en el marco de la iniciativa TIFON, dedicada al desarrollo e investigación de \ntecnologías inteligentes para la industria, y con el apoyo de las subvenciones Torres Quevedo. Este estudio se \nlleva a cabo en la empresa 4i Intelligent Insights y se inscribe dentro de sus esfuerzos por desarrollar sistemas \nde inteligencia artificial conversacional multimodal y multilingüe. En particular, el análisis de sentimiento es \nfundamental para dotar al sistema de la capacidad de discernir la polaridad de las respuestas de los usuarios, \npor ejemplo, clasificándolas como positivas, negativas o neutras. Esta función es clave para interpretar la \ninclinación general del sentimiento en las interacciones, permitiendo ajustes más precisos en la comunicación \nde la inteligencia artificial conversacional. \n \n \n \nMediante una revisión exhaustiva de la literatura y experimentación en conjuntos de datos de referencia, este \ntrabajo de fin de grado evalúa las ventajas y desventajas de distintos métodos contemporáneos, como los \nenfoques basados en léxicos, aprendizaje automático, aprendizaje profundo y transformers. El propósito de \neste estudio es proporcionar una comprensión general y profunda de cada método, así como de sus \nimplicaciones prácticas. A través de esta metodología, el trabajo busca ofrecer percepciones sobre el \nrendimiento de los diferentes métodos en situaciones reales, facilitando así la toma de decisiones estratégicas \nen la empresa respecto a qué tecnología es más adecuada para su integración en la infraestructura de \ninteligencia artificial conversacional. Los resultados específicos se centran en criterios clave como la precisión, \nel coste, el tiempo de computación y la interpretabilidad. Los hallazgos subrayan la importancia de seleccionar \nestratégicamente técnicas de análisis de sentimiento que se adapten a las necesidades operativas específicas y \nlas limitaciones de recursos para optimizar el rendimiento y la eficiencia computacional. Estas conclusiones \nestán diseñadas para informar la toma de decisiones estratégicas en la empresa y proporcionar información \nvaliosa para otras organizaciones que enfrentan desafíos similares en la implementación de aplicaciones de \nanálisis de sentimiento en condiciones reales.
Source: idUS (Universidad de Sevilla)
Author: Laycock Narayan, Rohan Keith
Language: Spanish
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7008609052