Aplicación de un modelo híbrido de aprendizaje profundo para el análisis de sentimiento en twitter

Montañés, R. ; Aznar, R. ; Del Hoyo, R.

Resumen: En este artículo se describe la participación de ITAINNOVA en la tarea de análisis de sentimiento a nivel de Tweet dentro del taller TASS 2018. Este trabajo pretende explorar modelos presentes en el estado del arte actual del aprendizaje profundo aplicado al modelado y clasificación de texto. Se ha analizado el uso de modelos de redes convolucionales (CNN), Long short Term Memory (LSTM), LSTM bidireccionales (BI-LSTM) y una aproximación híbrida entre CNN y LSTM para su uso en el análisis de sentimiento en Twitter. Se ha optado por la combinación CNN- LSTM ya que integra los beneficios de ambos modelos. Finalmente se presentan los resultados obtenidos y se plantea una posible línea de trabajo futura que combine el uso de esta arquitectura con el algoritmo de representación de texto que presentamos en la anterior edición del TASS.

This paper describes the participation of ITAINNOVA at sentiment analysis at Tweet level task within TASS 2018 workshop. This work explores current state of the art models used in deep learning for modelling and classification tasks over text. It analyzes convolutional neural models (CNN), Long short Term Memory (LSTM), Bidirectional LSTM (BI-LSTM) and an hybrid approach of CNN-LSTM, for its use in sentiment analysis on Twitter data. CNN-LSTM combination has been chosen as it integrates the benefits provided from both models. Finally, obtained results are presented and a possible future work line which combines this architecture with the algorithm presented in the previous TASS edition.

Idioma: Español

Año: 2018

Publicado en: CEUR Workshop Proceedings 2172 (2018), 51-56
ISSN: 1613-0073

Originalmente disponible en: Texto completo de la revista

Factor impacto SCIMAGO: 0.166 - Computer Science (miscellaneous)

Tipo y forma: Artículo (Versión definitiva)