Mostrar el registro sencillo del ítem

dc.creatorGómez Adorno, Helena
dc.creatorBel Enguix, Gemma
dc.creatorSierra, Gerardo
dc.creatorBarajas, Juan Carlos
dc.creatorÁlvarez, William
dc.date.accessioned2025-10-25T01:16:09Z
dc.date.available2025-10-25T01:16:09Z
dc.date.issued2024-04-23
dc.identifier.urihttps://repositorio.tic.unam.mx/handle/123456789/3960
dc.descriptionArtículo académico que presenta una evaluación exhaustiva de los modelos tradicionales de aprendizaje automático y aprendizaje profundo para analizar las tendencias de sentimiento dentro del corpus de Twitter SENT-COVID, recopilado durante la pandemia de COVID-19. El corpus, filtrado por palabras clave relacionadas con la COVID-19 y anotado manualmente para determinar su polaridad, constituye un recurso fundamental para realizar experimentos de análisis de sentimiento. El estudio investiga diversos enfoques, incluyendo sistemas clásicos basados ​​en vectores como word2vec, doc2vec y diversas técnicas de modelado de frases, junto con modelos BERT preentrenados en español.
dc.publisherInformatics
dc.subjectCorrección y edición de texto
dc.subject.classificationCiencias Biológicas Químicas y de la salud
dc.titleMachine learning and deep learning sentiment analysis models: Case study on the SENT-COVID corpus of tweets in Mexican Spanish
dc.typeArtículo académico
dcterms.provenanceUniversidad Nacional Autónoma de México. Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas
dc.subject.keywordsSentiment analysis
dc.subject.keywordsAnálisis de sentimiento
dc.subject.keywordsMachine learning
dc.subject.keywordsAprendizaje automático
dc.subject.keywordsDeep learning
dc.subject.keywordsAprendizaje profundo
dc.subject.keywordsSpanish tweets
dc.subject.keywordstuits en español
dc.subject.keywordsCOVID-19 social media
dc.subject.keywordsCOVID-19 en redes sociales
dc.subject.keywordsLow-resource language NLP
dc.subject.keywordsPLN en lenguas con pocos recursos
dc.identifier.urlhttps://doi.org/10.3390/informatics11020024
dc.identifier.bibliographiccitationGómez-Adorno, H., Bel-Enguix, G., Sierra, G., Barajas, J.-C., & Álvarez, W. (2024). Machine learning and deep learning sentiment analysis models: Case study on the SENT-COVID corpus of tweets in Mexican Spanish. Informatics, 11(2), 24. https://doi.org/10.3390/informatics11020024
dcterms.memberofProcesamiento del Lenguaje Natural (PLN)


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

COMPARTE



BÚSQUEDA

Escriba el texto a buscar en DSpace

COLABORA

CONTACTO

El Repositorio Universitario de la DGTIC se edita en la Dirección General de Cómputo y
de Tecnologías de Información y Comunicación (DGTIC), de la Universidad Nacional Autónoma de México (UNAM)
Circuito Exterior s/n, Ciudad Universitaria, Coyoacán, C.P. 04510, México, D.F
Tel: +(52) (55) 56228166 Email: rutic@unam.mx