000075832 001__ 75832
000075832 005__ 20191212102141.0
000075832 0248_ $$2sideral$$a108563
000075832 037__ $$aART-2018-108563
000075832 041__ $$aspa
000075832 100__ $$aMontañés, R.
000075832 245__ $$aAplicación de un modelo híbrido de aprendizaje profundo para el análisis de sentimiento en twitter
000075832 260__ $$c2018
000075832 5060_ $$aAccess copy available to the general public$$fUnrestricted
000075832 5203_ $$aEn 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.
000075832 540__ $$9info:eu-repo/semantics/openAccess$$aby$$uhttp://creativecommons.org/licenses/by/3.0/es/
000075832 592__ $$a0.166$$b2018
000075832 593__ $$aComputer Science (miscellaneous)$$c2018
000075832 655_4 $$ainfo:eu-repo/semantics/article$$vinfo:eu-repo/semantics/publishedVersion
000075832 700__ $$aAznar, R.
000075832 700__ $$0(orcid)0000-0003-2755-5500$$aDel Hoyo, R.
000075832 773__ $$g2172 (2018), 51-56$$pCEUR workshop proc.$$tCEUR Workshop Proceedings$$x1613-0073
000075832 85641 $$uhttp://ceur-ws.org/Vol-2172/p4_ittainnova_tass2018.pdf$$zTexto completo de la revista
000075832 8564_ $$s203883$$uhttps://zaguan.unizar.es/record/75832/files/texto_completo.pdf$$yVersión publicada
000075832 8564_ $$s107782$$uhttps://zaguan.unizar.es/record/75832/files/texto_completo.jpg?subformat=icon$$xicon$$yVersión publicada
000075832 909CO $$ooai:zaguan.unizar.es:75832$$particulos$$pdriver
000075832 951__ $$a2019-12-12-10:12:15
000075832 980__ $$aARTICLE