Un modelo basado en redes neuronales recurrentes para el análisis de sentimientos con información de Apurímac en Facebook

Abstract

La presente investigación tiene como objetivo analizar los sentimientos de comentarios en Facebook relacionados con la región de Apurímac, debido a su relevancia social y cultural, así como a la necesidad de comprender las percepciones ciudadanas en contextos regionales. Para ello, se propuso un modelo de redes neuronales recurrentes aplicadas a textos en español extraídos de la red social Facebook con comentarios relacionados a la región de Apurímac. En ese sentido, se diseñó una arquitectura híbrida que integra embeddings contextuales preentrenados mediante SaBERT, utilizando técnicas de fine-tuning mediante LSTM, BiLSTM, GRU, BiGRU y una capa de Attention, entrenado sobre un corpus de Detección de Emociones obtenidas del evento TASS 2020, desarrollado como parte del Workshop de Análisis Semántico organizado por SEPLN 2020, y preprocesados para garantizar su calidad lingüística, con una división del conjunto de datos en entrenamiento (80%) y validación (20%). Los resultados obtenidos muestran que el modelo alcanza F1-macro de clasificación de 0.49, superando a modelos híbridos sin redes neuronales y con redes neuronales con base en LSTM o GRU con valores entre 0.16 a 0.47. Además, se logró identificar polaridades de sentimientos y términos frecuentes con carga emocional positiva y negativa, lo que demuestra su aplicabilidad en contextos sociales reales. La investigación concluye que el modelo propuesto contribuye analizar sentimientos y emociones en español en un entorno regional específico, representando una contribución relevante para el área de análisis de sentimientos.