Universidad
Politécnica de Madrid

28.01.22

El artículo bajo el título “Enhancing deep learning sentiment analysis with ensemble techniques in social applications”  describe, según su autor, Óscar Araque, profesor de la Escuela Técnica Superior de Ingenieros de Telecomunicaciónde la Universidad Politécnica de Madrid, 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 grado y el máster en Ingeniería de Telecomunicación por la Universidad Politécnica de Madrid, España, en 2014 y 2016, respectivamente, y el doctorado en la misma universidad en 2020 con la tesis titulada "A Distributional Semantics Perspective of Lexical Resources for Affect Analysis: An application to Extremist Narratives". En la actualidad, es profesor de la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad Politécnica de Madrid. Su interés investigador incluye la aplicación de técnicas de aprendizaje automático aplicado al Procesamiento del Lenguaje Natural, sobre todo en el campo de la introducción de conocimiento de dominio específico en los sistemas de aprendizaje automático para mejorar las técnicas de análisis de sentimientos y emociones, y sus aplicaciones a nuevos dominios, como las narrativas de radicalización.