Universidad
Politécnica de Madrid

28.01.21

Óscar Aranque, profesor de la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad Politécnica de Madrid, son los autores del artículo “The SSN ontology of the W3C semantic sensor network incubator group” que ha recibido el Premio UPM al artículo científico más citado.

El artículo describe las técnicas de aprendizaje profundo para el Análisis de Sentimientos que se han vuelto muy populares. Proporcionan una extracción automática de características y, a la vez, una capacidad de representación más rica y un mejor rendimiento que las técnicas tradicionales basadas en características (es decir, los métodos superficiales). Los enfoques tradicionales superficiales se basan en características complejas extraídas manualmente, y este proceso de extracción es una cuestión fundamental en los métodos basados en características. Estos enfoques establecidos desde hace tiempo pueden dar lugar a puntos de referencia sólidos, y sus capacidades de predicción pueden utilizarse conjuntamente con los métodos de aprendizaje en profundidad que están surgiendo. En este documento tratamos de mejorar el rendimiento de las técnicas de aprendizaje profundo integrándolas con los enfoques tradicionales superficiales basados en características extraídas manualmente. 

Las contribuciones de este documento son seis. Primero, desarrollamos un clasificador de sentimientos basado en aprendizaje profundo utilizando un modelo de word embeddings y un algoritmo de aprendizaje lineal. Este clasificador sirve como referencia para comparar con los resultados posteriores. En segundo lugar, proponemos dos técnicas de unión que agregan nuestro clasificador base con otros clasificadores superficiales ampliamente utilizados en el Análisis de Sentimientos. En tercer lugar, también proponemos dos modelos para combinar características tanto superficiales como profundas para fusionar información de varias fuentes. Cuarto, introducimos una taxonomía para clasificar los diferentes modelos encontrados en la literatura, así como los que proponemos. Quinto, llevamos a cabo varios experimentos para comparar el rendimiento de estos modelos con la referencia de aprendizaje profundo. Para ello, utilizamos siete conjuntos de datos públicos que fueron extraídos del dominio de los microblogging y las críticas de películas. Finalmente, como resultado, un estudio estadístico confirma que el rendimiento de estos modelos propuestos supera el de nuestra referencia original en F1-Score.

Sobre Óscar Araque

Óscar Araque obtuvo el título de licenciado y el de máster en ingeniería de telecomunicaciones de la Universidad Politécnica de Madrid, España, en 2014 y 2016, respectivamente, y el título de doctor en la misma universidad en 2020 con la tesis titulada "A Distributional Semantics Perspective of Lexical Resources for Affect Analysis": Una aplicación a las narrativas extremistas". En la actualidad, es profesor en la Universidad Politécnica de Madrid. Sus intereses de investigación incluyen la aplicación de técnicas de aprendizaje automático para el procesamiento del lenguaje natural. En concreto, su trabajo se centra en la introducción de conocimientos de dominios específicos en los sistemas de aprendizaje automático con el fin de mejorar las técnicas de análisis de sentimientos y emociones, y sus aplicaciones a nuevos dominios, como las narrativas de radicalización.