Diseño de algoritmos bioinspirados para la selección de características en el análisis de sentimientos de documentos en español
El análisis de sentimientos o minería de opiniones consiste en la clasi?cación de documentos que expresan una opinión, separándolos según el sentimiento que expresan. Para realizar esta clasi?cación, bajo un enfoque de aprendizaje de máquina, es necesario de?nir un conjunto de características que se...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2015 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/452 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/452 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/Autor/Ciencias computacionales info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Sumario: | El análisis de sentimientos o minería de opiniones consiste en la clasi?cación de documentos que expresan una opinión, separándolos según el sentimiento que expresan. Para realizar esta clasi?cación, bajo un enfoque de aprendizaje de máquina, es necesario de?nir un conjunto de características que se usarán para representar a cada documento. En general, el número de características que se puede extraer de los documentos es elevado y manejarlas para la tarea de clasi?cación se vuelve un problema computacionalmente costoso. Aunado a esto, usar todas las características posibles no necesariamente garantizará una máxima precisión en la clasi?cación ya que varias características podrían no estar relacionadas con la clase que se supone debe de?nir.En este trabajo se propone un enfoque bioinspirado para la selección de características con la ?nalidad de encontrar el subconjunto óptimo del conjunto total de características que dé la mejor precisión de clasi?cación. Para esto se utiliza un algoritmo genético (AG) para la generación y búsqueda de los posibles subconjuntos de características aunado a una máquina de soporte vectorial (SVM) para evaluar la calidad del subconjunto seleccionado. El algoritmo recibe como entrada las características presentes en un conjunto de documentos seleccionado y el número de generaciones que se desea que itere el algoritmo. La salida del algoritmo es el mejor subconjunto de características encontrado que brinda la mejor precisión de clasi?cación. Se ha diseñado la representación características de los individuos y los operadores genéticos que resuelven este problema en particular.Para la realización de los distintos experimentos se ha utilizado un corpus en idioma español de críticas de cine recogidas de la web muchocine. Este cuenta con un conjunto de 2624 documentos, 1274 con una opinión positiva y 1350 con opinión negativa.Bajo este enfoque se ha logrado obtener un subconjunto de características que da una precisión de 91.5% con los documentos de prueba en español. Sin embargo, con documentos nuevos esta precisión baja a 77%. Aprovechando 11 modelos diferentes que genera el algoritmo genético en diferentes corridas se construyó un meta clasi?cador por consenso con el cual se logró mejorar la precisión de cada modelo por separado. |
|---|