| Revista: | Programación matemática y software |
| Base de datos: | |
| Número de sistema: | 000573302 |
| ISSN: | 2007-3283 |
| Autores: | Garduño-Miralrio, Juan Carlos1 Valle-Cruz, David2 Tapia-Fabela, José Luis2 |
| Instituciones: | 1Universidad Autónoma del Estado de México. Centro Universitario UAEM Temascaltepec. Temascaltepec de González, Estado de México. México, 2Universidad Autónoma del Estado de México. Unidad Académica Profesional Tianguistenco. Santiago Tianguistenco, Estado de México. México, |
| Año: | 2023 |
| Volumen: | 15 |
| Número: | 1 |
| Paginación: | 9-16 |
| País: | México |
| Idioma: | Español |
| Resumen en inglés | This article presents the results of a research based on the implementation of deep learning techniques for the detection of emotions in texts, taking as a reference the collection of data from the social network Twitter considering that, according to several studies, it is a source of information where many people express their emotions through their publications. The objective of this research was to highlight the degree of accuracy of convolutional neural networks (CNN) for the identification of emotions compared to other classification techniques based on machine learning, given that the implementation of this type of neural network in the field of affective computing is relatively new.From an experiment with data previously analyzed with other classification techniques, results were obtained that favor CNNs over other classification methods such as: Ensemble of Classification Chains (ECC), Backpropagation Multi-Label Learning (BP-MLL), Multi-Label Nearest Neighbor k (ML-kNN), Binary Relevance (BR), Hierarchy of Multi-Label Classifiers (HOMER) and others. |
| Resumen en español | El presente articulo plasma los resultados de una investigación basada en la implementación de técnicas de aprendizaje profundo para la detección de emociones en textos, tomando como referencia la recolección de datos de la red social Twitter considerando que, según diversos estudios, es una fuente de información donde muchas personas expresan sus emociones a través de sus publicaciones. El objetivo de esta investigación fue resaltar el grado de precisión que presentan las redes neuronales convolucionales (CNN) para la identificación de emociones frente a otras técnicas de clasificación basadas en el aprendizaje automático, dado que la implementación de este tipo de red neuronal en el rubro del cómputo afectivo es relativamente nueva.A partir de un experimento con datos analizados previamente con otras técnicas de clasificación se obtuvieron resultados que favorecen en tema de precisión a las CNN frente a otros métodos de clasificación como: Conjunto de cadenas de clasificación (ECC), aprendizaje multietiqueta por retropropagación (BP-MLL), Vecino más cercano k de varias etiquetas (ML-kNN), Relevancia binaria (BR), Jerarquía de los clasificadores multietiqueta (HOMER) y otros más. |
| Palabras clave: | Análisis de emociones, classificación, CNN, redes sociales, |
| Keyword: | Emotion analysis, ratings, CNN, social networks, |
| Texto completo: | Texto completo (Ver PDF) |
