Treballs Fi de Grau> Enginyeria Informàtica i Matemàtiques

Entrenamiento de modelos de Deep Learning para clasificación de texto en base al sentimiento.

  • Dades identificatives

    Identificador: TFG:5671
    Handle: http://hdl.handle.net/20.500.11797/TFG5671
  • Autors:

    Russo Bertolez, Lautaro Andrés
  • Altres:

    Data d'alta al repositori: 2023-02-09
    Resum: Dadas las nuevas tecnologías y la informatización de las herramientas de aprendizaje, como son los cursos en línea, las formas de evaluar estas herramientas se están viendo escasas y necesarias. Este proyecto apunta a desarrollar una herramienta para evaluar la satisfacción de los usuarios basándose en las reseñas que estos usuarios generan. A partir de procesar el texto y analizarlo con un modelo previamente entrenado podemos deducir qué sentimiento expresa un usuario basándose en dicha reseña. A continuación veremos todo el proceso de desarrollo de principio a fin de este modelo, pasando por las etapas de recolección, selección, validación, procesamiento y codificación de los datos para el entrenamiento del modelo y las etapas de entrenamiento, validación y pruebas basándose en muestras independientes de dicho modelo. Cada técnica empleada en cada fase de este trabajo tiene un trasfondo teórico el cual explicaré de forma superficial, el objetivo del trabajo no es profundizar en dicho marco teórico, sino desarrollar un modelo funcional y efectivo para la clasificación de texto. Los resultados finales se pueden consultar en la tabla que hay en el apartado de resultados de la memoria, esta contiene las métricas que he considerado más relevantes para el entendimiento del rendimiento del modelo. Donades les noves tecnologies i la informatització de les eines d'aprenentatge, com són els cursos en línia, les maneres d'avaluar aquestes eines s'estan veient escasses i necessàries. Aquest projecte apunta a desenvolupar una eina per a avaluar la satisfacció dels usuaris basant-se en les ressenyes que aquests usuaris generen. A partir de processar el text i analitzar-lo amb un model prèviament entrenat podem deduir quin sentiment expressa un usuari basant-se en aquesta ressenya. A continuació veurem tot el procés de desenvolupament de principi a fi d'aquest model, passant per les etapes de recol·lecció, selecció, validació, processament i codificació de les dades per a l'entrenament del model i les etapes d'entrenament, validació i proves basant-se en mostres independents d'aquest model. Cada tècnica emprada en cada fase d'aquest treball té un rerefons teòric el qual explicaré de manera superficial, l'objectiu del treball no és aprofundir en aquest marc teòric, sinó desenvolupar un model funcional i efectiu per a la classificació de text. Els resultats finals es poden consultar en la taula que hi ha a l'apartat de resultats de la memòria, aquesta conté les mètriques que he considerat més rellevants per a l'enteniment del rendiment del model.
    Matèria: Aprenentatge profund
    Idioma: spa
    Àrees temàtiques: Ingeniería informática Computer engineering Enginyeria informàtica
    Departament: Enginyeria Informàtica i Matemàtiques
    Estudiant: Russo Bertolez, Lautaro Andrés
    Curs acadèmic: 2021-2022
    Títol en diferents idiomes: Entrenament de models de Deep Learning per la classificació de text en base al sentiment Deep Learning models training for sentiment analysis and text classification Entrenamiento de modelos de Deep Learning para clasificación de texto en base al sentimiento.
    Data de la defensa del treball: 2022-09-14
    Drets d'accés: info:eu-repo/semantics/openAccess
    Paraules clau: Deep Learning, classificació, NLP Deep Learning, classification, NLP Deep Learning, clasificación, NLP
    Confidencialitat: No
    Crèdits del TFG: 12
    Títol en la llengua original: Entrenamiento de modelos de Deep Learning para clasificación de texto en base al sentimiento.
    Director del projecte: Puig Valls, Domènec
    Ensenyament(s): Enginyeria Informàtica
    Entitat: Universitat Rovira i Virgili (URV)
  • Paraules clau:

    Ingeniería informática
    Computer engineering
    Enginyeria informàtica
    Aprenentatge profund
  • Documents:

  • Cerca a google

    Search to google scholar