000133777 001__ 133777 000133777 005__ 20240424142040.0 000133777 037__ $$aTAZ-TFM-2023-1103 000133777 041__ $$aspa 000133777 1001_ $$aBallarín Corvinos, Jorge 000133777 24200 $$aNLP techniques for sentiment analysis and summary of financial news 000133777 24500 $$aTécnicas NLP para análisis de sentimiento y resumen de noticias financieras 000133777 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2023 000133777 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000133777 520__ $$aNuestra capacidad de comunicación a través del lenguaje nos permite expresar pensamientos o sentimientos; no parece disparatado pensar que la habilidad de las máquinas para comprenderlo y analizarl ha sido un objetivo fundamental en la inteligencia artificial. El procesamiento natural del lenguaje (NLP) y el análisis de sentimiento son disciplinas clave que permiten a las computadoras entender y responder al lenguaje humano de manera más sofisticada.<br />Estas tecnologías tienen un amplio rango de aplicaciones, desde la comprensión de opiniones en redes sociales hasta la detección de noticias falsas, y están transformando la forma en que interactuamos con la información. Esto se sabe en el mundo financiero, donde la toma de decisiones informadas es crucial. Surge, por tanto, la necesidad de aprovechar la información disponible en noticias y redes sociales. Es por ello, que el propósito de este trabajo es desarrollar un modelo de lenguaje que funcione como un clasificador de noticias con análisis de sentimiento.<br />Para alcanzar este objetivo, se recurrirá a técnicas de vanguardia en procesamiento de lenguaje natural y análisis de sentimiento. El proceso comenzará con la adaptación de un modelo preexistente, FinBERT, a través de un entrenamiento utilizando datos de noticias financieras. A continuación, se aplicará una reducción de dimensionalidad mediante un análisis de componentes principales (PCA), para después desarrollar nuevos modelos utilizando algoritmos como XGBoost, k-NN de vecinos próximos y redes neuronales. Estos modelos se afinarán aún más utilizando algoritmos de optimización global. Posteriormente, se podrán comparar con el modelo BERT base, analizando las métricas de cada modelo. Además, se investigarán nuevas bases de datos que evaluarán el rendimiento del modelo con otros conjuntos de datos distintos.<br />El objetivo final es crear un clasificador especializado, eficiente y rápido en el ámbito financiero que pueda resultar valioso para diversas actividades dentro de este sector.<br /><br /> 000133777 521__ $$aMáster Universitario en Modelización e Investigación Matemática, Estadística y Computación 000133777 540__ $$aDerechos regulados por licencia Creative Commons 000133777 700__ $$aFernández Martínez, Juan Luis$$edir. 000133777 700__ $$aFernández Brillet, Lucas$$edir. 000133777 7102_ $$aUniversidad de Zaragoza$$bMatemática Aplicada$$cMatemática Aplicada 000133777 8560_ $$f778746@unizar.es 000133777 8564_ $$s184603$$uhttps://zaguan.unizar.es/record/133777/files/TAZ-TFM-2023-1103_ANE.pdf$$yAnexos (spa) 000133777 8564_ $$s827838$$uhttps://zaguan.unizar.es/record/133777/files/TAZ-TFM-2023-1103.pdf$$yMemoria (spa) 000133777 909CO $$ooai:zaguan.unizar.es:133777$$pdriver$$ptrabajos-fin-master 000133777 950__ $$a 000133777 951__ $$adeposita:2024-04-24 000133777 980__ $$aTAZ$$bTFM$$cCIEN 000133777 999__ $$a20230904121137.CREATION_DATE